迭代器
- 迭代器(iteration)是一个可以记住遍历的位置的对象。
- 迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束。迭代器只能往前不会后退。
- 迭代器有两个基本的方法:iter() 和 next()。
字符串,列表或元组对象都可用于创建迭代器:
list1 = [1, 2, 3, 7, 1]
# 创建一个迭代器对象
it = iter(list1)
# 输出迭代器的下一个元素
print(next(it))
print(next(it))
for i in it:
print(i)
--------------
输出:
1
2
3
7
1
创建一个迭代器
把一个类作为一个迭代器使用需要在类中实现两个方法 iter() 与 next() 。
class MyNumbers:
def __iter__(self):
self.a = 1
return self
def __next__(self):
x = self.a
self.a += 2
return x
myclass = MyNumbers()
myiter = iter(myclass)
print(next(myiter))
print(next(myiter))
--------
1
3
StopIteration异常
StopIteration 异常用于标识迭代的完成,防止出现无限循环的情况,在 next() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。
class MyNumbers:
def __iter__(self):
self.a = 1
return self
def __next__(self):
if self.a <= 20:
x = self.a
self.a += 2
return x
else:
raise StopIteration
myclass = MyNumbers()
myiter = iter(myclass)
for x in myiter:
print(x)
-----------------
输出:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
生成器
- 在 Python 中,使用了 yield 的函数被称为生成器(generator)。
- 在调用生成器运行的过程中,每次遇到 yield 时函数会暂停并保存当前所有的运行信息,返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。调用一个生成器函数,返回的是一个迭代器对象。
语法结构:
def generator_function_name():
# 定义生成器函数的逻辑
while condition:
# 当条件满足时,产生一个值并使用 yield 语句返回
yield value
def countdown(n):
while n > 0:
yield n
n -= 1
# 创建生成器对象
generator = countdown(2)
# 通过迭代生成器获取值
print(next(generator))
print(next(generator))
print(next(generator))
# 使用 for 循环遍历生成器
for value in generator:
print(value)
countdown函数是一个生成器函数。它使用yield语句来产生从n到1的倒数数字。通过创建生成器对象并使用next函数或for循环,可以逐次获取生成器产生的值。
生成器的优势在于它们可以按需生成值,避免一次性生成大量数据并占用大量内存。此外,生成器还可以与其他迭代工具(如for循环)无缝配合使用。
常见应用
- 迭代器(Iterator):
1、用于遍历可迭代对象,如列表、元组、字典、集合等。可以使用for循环或next函数迭代迭代器中的元素。
2、在处理大型数据集时,使用迭代器可以按需逐个访问元素,避免一次性加载所有数据到内存中,提高内存效率。
3、可以使用迭代器实现自定义的迭代行为,例如遍历文件中的行、网络请求的响应等。 - 生成器(Generator):
1、生成器是特殊的迭代器,通过使用yield语句定义。生成器函数在调用时不会立即执行所有代码,而是在每次调用yield语句时返回一个值,并在下一次调用时从上次暂停的地方继续执行。
2、生成器可以用于生成无限序列,例如生成斐波那契数列、素数等。
3、在需要逐个生成元素的情况下,使用生成器可以避免一次性生成大量数据,并且可以实现惰性计算。
4、生成器还可以与其他迭代工具(如for循环、map、filter等)结合使用,实现高效的迭代和处理操作。
总的来说,迭代器和生成器提供了一种灵活、高效的方式来遍历和生成数据,适用于处理大型数据集、惰性计算和按需生成元素的场景。它们是 Python 中重要的迭代工具,常用于各种数据处理和算法实现中。