Python 迭代器与生成器

于 2024-07-30 20:09:13 发布
阅读量668 收藏 21
点赞数 26
文章标签： python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_67684635/article/details/140805547
版权

Python 迭代器与生成器

1. 迭代器 Iterator

什么是迭代器

  • 迭代器是访问可迭代对象的工具

  • 迭代器是指用 iter(obj) 函数返回的对象(实例)

  • 迭代器可以用next(it)函数获取可迭代对象的数据

迭代器函数iter和****next

函数说明
iter(iterable)从可迭代对象中返回一个迭代器,iterable必须是能提供一个迭代器的对象
next(iterator)从迭代器iterator中获取下一个记录，如果无法获取一下条记录，则触发

迭代器说明

  • 迭代器只能往前取值,不会后退

  • 用iter函数可以返回一个可迭代对象的迭代器

迭代器示例：

# 示例 可迭代对象
L = [1, 3, 5, 7]
it = iter(L) # 从L对象中获取迭代器
next(it) # 1 从迭代器中提取一个数据
next(it) # 3
next(it) # 5
next(it) # 7
next(it) # StopIteration 异常
# 示例2 生成器函数
It = iter(range(1, 10, 3))
next(It) # 1
next(It) # 4
next(It) # 7
next(It) # StopIteration

"""
技能迭代器
技能管理器
"""

class SkillIterator:
    def __init__(self,data):
        self.__data = data
        self.__index = -1

    def __next__(self):
        self.__index += 1
        if self.__index > len(self.__data)-1:
            raise StopIteration()
        return self.__data[self.__index]

class SkillManager:
    def __init__(self):
        self.__skills = []

    def add_skill(self,skill):
        self.__skills.append(skill)

    def __iter__(self):
        return SkillIterator(self.__skills)

manager = SkillManager()
manager.add_skill('Python')
manager.add_skill('Java')
manager.add_skill('C++')
manager.add_skill('PHP')

# for skill in manager:
#     print(skill)

# 实现for循环
it = manager.__iter__()
while True:
    try:
        # next(it)
        item = it.__next__()
        print(item)
    except StopIteration:
        break

迭代器的用途

  • 迭代器对象能用next函数获取下一个元素

迭代器函数iter和****next 示例：

L = [2, 3, 5, 7]
it = iter(L)
# 访问列表中的所有元素
while True:
	try:
		print(next(it))
	except StopIteration:
		print("迭代器访问结束")
		break
L = [2, 3, 5, 7]
for x in L:
	print(x)
else:
	print("迭代器访问结束")

2. 生成器

生成器是在程序运行时生成数据，与容器不同，它通常不会在内存中保留大量的数据，而是现用现生成。

  • yield 是一个关键字，用于定义生成器函数，生成器函数是一种特殊的函数，可以在迭代过程中逐步产生值，而不是一次性返回所有结果。

  • 跟普通函数不同的是，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。

  • 每次使用 yield 语句生产一个值后，函数都将暂停执行，等待被重新唤醒。

  • yield 语句相比于 return 语句，差别就在于 yield 语句返回的是可迭代对象，而 return 返回的为不可迭代对象。

  • 然后，每次调用生成器的 next() 方法或使用 for 循环进行迭代时，函数会从上次暂停的地方继续执行，直到再次遇到 yield 语句。

生成器可以用算法动态的生成数据

生成器有两种

  1. 生成器函数

  2. 生成器表达式

生成器函数

含有yield 语句的函数是生成器函数，此函数调用回返回一个生成器对象，生成器也是可迭代对象

yield 表达式

生成器函数示例:

# 例1
## 定义一个生成器函数, 有 yield 的函数调用后回返回生成器对象
def myrange(stop):
	i = 0
	while i < stop:
		yield i # 为 遍历次生产器的for 语句提供数据
		i += 1
for x in myrange(5):
	print('x=', x)
    
# 创建一个生成器对象
gen = myrange(5)

# 使用 next() 函数迭代生成器
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))

# 例2
def Descendorder(n):
	while n > 0:
	yield n
	n -= 1
# 创建生成器对象
generator = Descendorder(5)

# 通过迭代生成器获取值
print(next(generator))#5
print(next(generator))#4

# 使用 for 循环迭代生成器
for i in generator:
	print('for循环：', i)#3 2 1

以上实例中，Descendorder 函数是一个生成器函数。它使用 yield 语句逐步产生从 n 到 1 的倒序数字。在每次调用 yield 语句时，函数会返回当前的倒序数字，并在下一次调用时从上次暂停的地方继续执行。

创建生成器对象并使用 next() 函数或 for 循环迭代生成器，我们可以逐步获取生成器函数产生的值。在这个例子中，我们首先使用 next() 函数获取前两个倒序数字，然后通过 for 循环获取剩下的三个倒序数

字。

生成器函数的优势是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，提供简洁和高效的迭代方式。

生成器表达式

  • 语法:
( 表达式 for 变量 in 可迭代对象 [if 真值表达式])

  • 作用

    用推导式的形式创建一个生成器

  • 示例

>>> [x ** 2 for x in range(1, 5)] # 列表解析(列表推导式)
[1, 4, 9, 16]
>>>
>>> (x ** 2 for x in range(1, 5)) # 生成器表达式
<generator object <genexpr> at 0x7f41dcd30a40>
>>> for y in (x ** 2 for x in range(1, 5)):
... print(y)
...
1
4
9
16

python 函数式编程

定义：用一系列函数解决问题。

  • 函数可以赋值给变量，赋值后变量绑定函数。

  • 允许将函数作为参数传入另一个函数。

  • 允许函数返回一个函数。

1. 函数作为参数

  • 将核心逻辑传入方法体，使该方法的适用性更广。
def func01():
	print("func01执行")
    
# a = func01
# # print(a)
# a()

def func02():
	print("func02执行")
    
# 通用
def func03(func):
	print("func03执行")
	func()
    
func03(func02)
func03(func01)

注释

a = func01 ：

  • 变量 a 现在指向 func01 函数对象。

  • a 不是函数的返回值，而是函数对象本身

print(a) ：

  • 打印 a ，输出 <function func01 at 0x…> ，表示 a 是一个函数对象，并显示其内存地址。赋值语句 a = func01 并不会执行 func01 函数，只是将函数对象赋值给 a 。调用 a() 或 func01()才会执行函数代码。
list01 = [4, 54, 56, 65, 67, 7]

# 需求1：定义函数,在列表中查找所有大于50的数字
def find01():
	for item in list01:
		if item > 50:
			yield item
            
# 需求2：定义函数,在列表中查找所有小于10的数字
def find02():
	for item in list01:
		if item < 10:
			yield item
            
# “封装” -- 分
def condition01(item):
	return item > 50

def condition02(item):
	return item < 10

# 通用
# “继承” - 隔
def find(func):
	for item in list01:
		# if item < 10:
		# if condition02(item):
		if func(item):
		yield item
        
# "多态" - 做
for item in find(condition01):
	print(item)
    
for item in find(condition02):
	print(item)

总结

1、什么时候使用函数式编程思想？

很多的逻辑或者说核心点是不变的，大多数就是一致的，这个时候我们就可以使用函数式编程思想，可以很好的去定位这个逻辑【函数 式编程思想相对于面向对象编程思想，它更接近于算法】。

2、函数式编程思想替代了面向对象思想？

如果需求中存在多个逻辑变化点时，可以使用类来进行，因为面向对象中存在继承、重写。而函数式编程思想则是将变化点提取到函数 中，实现简单的逻辑。

**lambda ** 表达式

定义：是一种匿名函数

作用：

– 作为参数传递时语法简洁，优雅，代码可读性强。

– 随时创建和销毁，减少程序耦合度。

# 定义：
变量 = lambda 形参: 方法体
# 调用：
变量(实参)

说明：

– 形参没有可以不填

– 方法体只能有一条语句，且不支持赋值语句。

# 1. 有参数有返回值
# def func01(a,b):
# return a > b
#
# print(func01(10,20))
func01 = lambda a,b:a > b
print(func01(10,20))

# 2. 无参数有返回值
# def func02():
# return "ok"
#
# print(func02())
func02 = lambda :"ok"
print(func02())

# 3. 无参数无返回值
# def func03():
# print("ok")
#
# func03()

func03 = lambda :print("ok")
func03()

# 4. 有参数无返回值
# def func03(a):
# print(a)
#
# func03(100)
func03 = lambda a:print(a)
func03(100)

# 5. lambda 不支持赋值语句
# def func05(iterable):
# iterable[0] = 100
#
# list01 = [1]
# func05(list01)
# print(list01)
# func05 = lambda iterable: iterable[0] = 100 报错

# 6. lambda 不支持多条语句
# def func06(a,b):
# print(a)
# print(b)
#
# func06(10,20)
# func06 = lambda a,b: print(a);p
内置高阶函数

定义：将函数作为参数或返回值的函数。

常用：

（1）map(函数，可迭代对象)

  • 使用可迭代对象中的每个元素调用函数，将返回值作为新可迭代对象元素；返回值为新可迭代对象。

（2）filter(函数，可迭代对象)

  • 根据条件筛选可迭代对象中的元素，返回值为新可迭代对象。

（3）sorted(可迭代对象, key=函数, reverse=True)

  • 排序，返回值为排序后的列表结果。

（4）max(可迭代对象, key = 函数)

  • 根据函数获取可迭代对象的最大值。

（5）min(可迭代对象，key = 函数)

  • 根据函数获取可迭代对象的最小值。
class Girl:
	def __init__(self, name="", face_score=0, age=0,height=0):
		self.name = name
		self.face_score = face_score
		self.age = age
		self.height = height
	def __str__(self):
		return "%s-%d-%d-%d" % (self.name,self.face_score, self.age,self.height)
    
list_girl = [
	Girl("双儿", 96, 22, 166),
	Girl("阿珂", 100, 23, 173),
	Girl("小郡主", 96, 22, 161),
	Girl("方怡", 86, 27, 166),
	Girl("苏荃", 99, 31, 176),
	Girl("建宁", 93, 24, 163),
	Girl("曾柔", 88, 26, 170),
]

# 1. map 映射
# 在美女列表中获取所有名称
# 类似于：select
for element in map(lambda item: item.name, list_girl):
	print(element)
    
# 2. filter 过滤器
# 在美女列表中获取颜值大于90的所有美女
# 返回的是符合条件的对象的所以属性
# 类似于：find_all
for element in filter(lambda item: item.face_score > 90, list_girl):
	print(element)

# 3. max/min
# 在美女列表中获取颜值最高的美女
# 类似于：get_max
print(max(list_girl,key = lambda item:item.face_score))
print(min(list_girl,key = lambda item:item.face_score))
# 4.sorted 排序
# 注意：没有改变原有列表,而是返回新的
# 升序
for item in sorted(list_girl,key = lambda item:item.height):
	print(item)
# 降序
for item in sorted(list_girl,key = lambda item:item.height,reverse=True):
	print(item)
奕直张不大
关注
python之迭代器和生成器
专注于Python编程技术的分享与交流，致力于帮助开发者提升编程技能，解决实际问题，探索Python的无限可能。
04-18 439
生成器和迭代器是Python中非常重要的概念，可以帮助我们更加高效、灵活地处理数据，并且在内存占用和性能方面也具有很大优势。下面是一些使用生成器和迭代器的常见场景：读取大型数据集：如果需要处理非常大的数据集，直接读取到内存中会导致程序崩溃或运行缓慢。此时，可以使用生成器和迭代器来逐行读取数据，只在需要时才将数据加载到内存中进行处理。迭代操作：对于一个序列或集合中的每个元素进行操作时，使用生成器和迭代器可以避免创建一个新的列表或集合，从而节省内存占用和提高运行效率。
Python迭代器和生成器
gchh_spring的博客
05-15 365
迭代器 什么是迭代器（iterator） 官方解释：迭代器是可迭代的对象，从技术上讲，在python中，迭代器是实现了迭代器协议的对象，迭代器协议是指包含魔法方法__iter__() 和 __next__()，__iter__返回迭代器自身，__next__返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常。 什么是可迭代对象（iterable） 从python的数据类型来讲，字符串、列表、元组、字典、集合都是可迭代对象（比如可以使用for循环语句遍历这些可迭代对象
python迭代器与生成器详解
09-21
### Python迭代器与生成器详解 #### 一、概述 在Python编程中，迭代器（Iterator）和生成器（Generator）是非常重要的概念。它们能够帮助我们更高效地处理大量数据，尤其是在处理大型数据集或者流式数据时。本文将...
python迭代器与生成器详解，附源码
最新发布
02-21
### Python迭代器与生成器详解 #### 手动创建迭代器 在Python中，迭代器是一种可以记住遍历位置的对象。一个数据集合类的对象通常可以通过迭代器方式访问其内部每一个项目。迭代器有两种基本的方法：`__iter__()` ...
五分钟带你搞懂python 迭代器与生成器
12-17
迭代器是遵循Python迭代协议的对象，它能够按需逐个返回容器中的元素，而无需一次性加载所有数据。这样可以避免内存压力，特别是在处理大型数据集时。迭代器的核心在于`__iter__`和`__next__`两个方法。`__iter__`...
Python 迭代器与生成器实例详解
09-21
### Python 迭代器与生成器实例详解 #### 一、如何实现可迭代对象和迭代器对象 在Python中，可迭代对象（Iterable）是指能够返回一个迭代器（Iterator）的对象，而迭代器则用于遍历可迭代对象中的元素。在Python中...
python生成器和迭代器区别
12-20
在Python编程语言中，生成器（Generator）和迭代器（Iterator）是两种非常重要的概念，它们主要用于处理大量数据或无限序列，以节省内存资源。理解它们的区别和使用方式对于高效编程至关重要。 一、生成器 1.1 ...
python迭代器和生成器
weixin_51884452的博客
03-19 597
python生成器和迭代器学习
python中迭代器和生成器
weixin_30394251的博客
01-19 100
下面用 用一幅图来概括： 迭代器理解迭代是Python最强大的功能之一，是访问集合元素的一种方式。迭代器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：任何实现了__iter__和__next__()方法的对象都是...
【Python】Python中的迭代器和生成器
让算法融入生活，改变生活！
03-25 663
迭代器和生成器在很多编程语言中都会以不同形式的存在，在实际编程中经常会被用到。下面我们来了解一下什么是迭代。 1 迭代 了解Java的AIAS行者(AI行者是我B站粉丝勋章名称)应该都会知道，在Java中，可以通过List集合的下标来遍历List的元素。在Python中，对于可迭代对象，如list、tuple等，可以通过for循环遍历，也可以使用下标遍历，这种遍历一个“容器”中元素的过程，就叫做迭...
python迭代器(Iterator)与生成器(Generator)
Terry_R_Hh的博客
06-26 2369
_iter__()方法返回一个迭代器对象，一般是self，这个返回的对象必须实现了__next__()方法，因为for循环使用这个迭代器时，会首先调用一次__iter__()，然后每次循环时调用这个__iter__()返回的对象的__next__()方法，将__next__()返回值赋给循环变量。另外，关于一个迭代器对象可以迭代几次的问题。4. 生成器，生成器是一种特殊的迭代器，可以通过生成器表达式或生成器函数实现，每次循环会保存生成器当前的状态，下次循环时当前生成器中的状态推导下一个元素。
python迭代器与生成器
asnowdream的博客
12-25 1355
python中的迭代器与生成器 迭代器： 迭代器就像for循环遍历，但唯一不一样的地方我们进一步探索 首先用for循环遍历一个列表如下： a=[1,2,3,4,5,6] for i in a: print(i) 其结果： 我们在用迭代器进行遍历一个列表如下： a=[1,2,3,4,5,6] b=iter(a) print(next(b)) print(next(b)) # print(n...
python-8-迭代器与生成器
weixin_57475485的博客
07-08 643
目录一、python推导式列表推导式字典推导式集合推导式练习二、python可迭代对象三、迭代器练习四、生成器生成器表达式生成器函数练习五、可迭代对象、迭代器、生成器三种关系小结图示概念：推导式，是python的一种独有特性。推导式是可以从一个数据序列构建另一个新的数据序列的结构体。分类：列表推导式、字典推导式、集合推导式用[ ]生成list基本格式：variable = [out_exp_res for out_exp in input_list if out_exp == 2]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值