如何理解迭代对象迭代器以及迭代协议: Iterable Iterator
1、可迭代对象和迭代器:
可迭代的对象有个 iter 方法,每次都实例化一个新的迭代器;而迭代器要实现 next 方法,返回单个元素,此外还要实现 iter 方法,返回迭代器本身
可迭代的对象一定不能是自身的迭代器。也就是说,可迭代的对象必须实现
iter 方法,但不能实现 next 方法。
2、迭代器:
迭代器是这样的对象:实现了无参数的 next 方法,返回序列中的下一个元素;如果没有元素了,那么抛出 StopIteration 异常。 Python 中的迭代器还实现了__iter__ 方法,因此迭代器可以迭代。
3、序列可以迭代原因:
iter 函数:解释器需要迭代对象X时,会自动调用iter(X)。
4、 内置iter函数作用
1、检查对象是否实现了__iter__方法,如果实现就调用,获取一个迭代器。
2、如果没有实现__iter__,但是有__getitem__方法,Python会创建一个迭代器,尝试按顺序从索引0开始获取元素。
3、如果尝试失败抛出TypeError异常
5、理解迭代协议
Python 迭代协议要求一个 iter() 方法返回一个特殊的迭代器,这个迭代器实现了 next() 方法,并通过 StopIteration异常标识迭代完成。
判断对象是否是可迭代对象
迭代器
*
斐波那契数列*
返回结果为:0 1 1 2 3 5 8 13 21 34
生成器
1.创建生成器方法1:只要把一个列表生成式的 [ ] 改成 ( )
生成器(generator)其实是一类特殊的迭代器。前面博客我们每次迭代获取数据(通过next()方法)时按照特定的规律进行生成。但是我们在实现一个迭代器时,关于当前迭代到的状态需要我们自己记录,进而才能根据当前状态生成下一个数据。为了达到记录当前状态,并配合next()函数进行迭代使用,python就搞了个生成器。所以说生成器(generator)其实是一类特殊的迭代器。
遍历生成器内容
2.创建生成器方法2:使用yield函数创建生成器。
生成器使用总结:
- 1.生成器的好处是可以一边循环一边进行计算,不用一下子就生成一个很大的集合,占用内存空间。生成器的使用节省内存空间。
2.生成器保存的是算法,而列表保存的计算后的内容,所以同样内容的话生成器占用内存小,而列表占用内存大。每次调用 next(G) ,就计算出 G 的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出 StopIteration 的异常。
3.使用for 循环来遍历生成器内容,因为生成器也是可迭代对象。通过 for 循环来迭代它,不需要关心 StopIteration 异常。但是用for循环调用generator时,得不到generator的return语句的返回值。如果想要拿到返回值,必须用next()方法,且捕获StopIteration错误,返回值包含在StopIteration的value中。
4.在 Python 中,使用了 yield 的函数都可被称为生成器(generator)。生成器是一个返回迭代器的函数,只能用于迭代操作。更简单点理解生成器就是一个迭代器。
5.一个带有 yield 的函数就是一个 generator,它和普通函数不同,生成一个 generator 看起来像函数调用,但不会执行任何函数代码,直到对其调用 next()(在 for 循环中会自动调用
next())才开始执行。虽然执行流程仍按函数的流程执行,但每执行到一个 yield
语句就会中断,保存当前所有的运行信息,并返回一个迭代值,下次执行next() 方法时从 yield
的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield
返回当前的迭代值。生成器不仅“记住”了它数据状态;生成器还“记住”了它在流控制构造中的位置
。