【Python】生成器与迭代器

最新推荐文章于 2024-06-18 12:55:48 发布

何为xl

最新推荐文章于 2024-06-18 12:55:48 发布

阅读量297

点赞数

分类专栏： python 文章标签： python 生成器

本文链接：https://blog.csdn.net/weixin_43848614/article/details/104920923

版权

python 专栏收录该内容

31 篇文章 11 订阅

订阅专栏

【Python】生成器与迭代器

迭代器（iterator）

判断是否是迭代器和可迭代对象

from collections import Iterator  #迭代器
from collections import Iterable  #可迭代对象
 
print(isinstance(s,Iterator))     #判断是不是迭代器
print(isinstance(s,Iterable))       #判断是不是可迭代对象

明确以下三个概念：

**可迭代对象(Iterable)
迭代器(Iterator)
迭代(Iteration)**

（一）可迭代对象(Iterable)

(1) python内置的几种数据结构：字符串(str)，列表(list)，元组(tuple)，字典(dict)，集合(set)都是可迭代对象.

(2) Python中任意的对象，只要它定义了可以返回一个迭代器的__iter__方法，或者定义了可以支持下标索引的__getitem__方法，那么它就是一个可迭代对象。简单说，可迭代对象就是能提供迭代器的任意对象。

from collections import Iterable    
class MyIter:
  def __init__(self):
    pass

  def __iter__(self):
    yield 1	             # __iter__()需要返回一个迭代器
    
a = MyIter()	         # 对象a就是一个可迭代的对象
print(isinstance(a,Iterable))       #判断是不是可迭代对象
#   True

（二）迭代器(Iterator)

在python3中同时实现在__iter__()和__next__()两个魔法函数的对象，就是迭代器。其中__iter__()方法需要返回一个迭代器, 而__next__()方法返回下一个返回值或者StopIteration。

from collections import Iterator  #迭代器

class MyIter:
  def __init__(self):
    self.cnt = 0

  def __iter__(self):
    return self

  def __next__(self):      # 因为实现在__next__,所以自身就是一个迭代器,这里就可以返回自己
    return 1

s = MyIter()
print(isinstance(s,Iterator))     #判断是不是迭代器
#   True

迭代器可以通过next()方法不断重复获取下一个值，直到所有元素全部输出完之后，返回StopIteration才停止。

# 迭代器可以通过next()方法不断重复获取下一个值，直到所有元素全部输出完之后，返回StopIteration才停止。
def fun_print():
    for i in range(2):
        yield i+2
        
a = fun_print()
print(next(a))
print(next(a))
print(next(a))

结果为：

2
3
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-27-76648422ccff> in <module>
      9 print(next(a))
     10 print(next(a))
---> 11 print(next(a))

StopIteration:

可迭代的对象不能使用next()：

list1 = [1,2,5,3,5,6,44,8,5]
next(list1) 
# TypeError: 'list' object is not an iterator

注：对可迭代的对象，使用iter()方法，也会返回一个迭代器，如：

# 对可迭代的对象，使用iter()方法，也会返回一个迭代器，如：
a = iter([1, 2, 3, 4])
print(a)
# <list_iterator object at 0x000002B6BF679550>

（三）迭代(Iteration)

用简单的话讲，它就是从某个地方（比如一个列表）取出一个元素的过程。当我们使用一个循环来遍历某个东西时，这个过程本身就叫迭代。

生成器（generator）

创建生成器的两种方法：生成器包括生成器表达式（类似于推导式）和生成器函数。

（一）生成器表达式

把一个列表生成式的[]中括号改为（）小括号

# 创建生成器：  类似列表推导式
a = [i+1 for i in range(3)]  # 列表生成式
print(a)
b = (i+1 for i in range(3))  # 生成器
print(b)   
print(next(b)) # 使用next()函数获取下一个元素
print(next(b))
print(next(b))

结果为：

[1, 2, 3]
<generator object <genexpr> at 0x000002B6C0187900>
1
2
3

（二）生成器函数

# 生成器函数
def myGen():
    x = range(1, 11)
    for i in x:
        yield i + 2      # 不用return语句， 使用yield 语句
        
print(myGen())
for x in myGen():
    print(x, end=",")

结果为：

<generator object myGen at 0x000002B6C0227660>
3,4,5,6,7,8,9,10,11,12,

生成器可以理解成一种特殊的迭代器。它和迭代器的区别在于，生成器并不是一上来就把所有值装载进内存，因而也不会占用大量的内存，只是在需要使用next()函数获取值的时候，才会取一个值返回，内存开销非常小。而是在运行时生成值。要想拿到每一个元素，就需要循环遍历或者使用。

(1)“for”循环进行循环遍历

b = (i+1 for i in range(3))  # 生成器
for i in range(3):# 一个“for”循环，
    print(i)
print(list(b))     #  传递给任意可以进行迭代的函数和结构。

结果为：

0
1
2
[1, 2, 3]

注：在一个操作中（如 for 循环）生成器不能读取迭代过的数据

(2)使用函数获取生成器元素

  next()                  系统自定义函数
   __next__()           生成器自定义函数

def fibon(n):
    a = b = 1
    for i in range(n):
        yield a
        a, b = b, a + b
a = fibon(4)         # 获取生成器对象
print(next(a))       # 系统函数： next(g)
print(a.__next__())   # 生成器自定义函数
print(a.__next__())   # 生成器自定义函数
'''
1
1
2
'''

生成器的应用实例：

#计算斐波那契数列的生成器:。

# generator version

def fibon(n):
    a = b = 1
    for i in range(n):
        yield a
        a, b = b, a + b

for x in fibon(10):
    print(x)     

''' 
1
1
2
3
5
8
13
21
34
55
'''