迭代器
迭代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。
可迭代对象
我们已经知道可以对list、tuple、str等类型的数据使⽤for…in…的循环语法从 其中依次拿到数据进⾏使⽤,我们把这样的过程称为遍历,也叫迭代。
如何判断一个对象是否可迭代
可以使⽤ isinstance() 判断⼀个对象是否是 Iterable 对象:
In [50]: from collections import Iterable
In [51]: isinstance([], Iterable)
Out[51]: True
In [52]: isinstance({}, Iterable)
Out[52]: True
In [53]: isinstance('abc', Iterable)
Out[53]: True
In [54]: isinstance(mylist, Iterable)
Out[54]: False
In [55]: isinstance(100, Iterable)
Out[55]: False
可迭代对象的本质
我们分析对可迭代对象进⾏迭代使⽤的过程,发现每迭代⼀次(即在for…in… 中每循环⼀次)都会返回对象中的下⼀条数据,⼀直向后读取数据直到迭代 了所有数据后结束。那么,在这个过程中就应该有⼀个“⼈”去记录每次访问 到了第⼏条数据,以便每次迭代都可以返回下⼀条数据。我们把这个能帮助 我们进⾏数据迭代的“⼈”称为迭代器(Iterator)。
可迭代对象的本质就是可以向我们提供⼀个这样的中间“⼈”即迭代器帮助我 们对其进⾏迭代遍历使⽤。
可迭代对象通过 iter ⽅法向我们提供⼀个迭代器,我们在迭代⼀个可 迭代对象的时候,实际上就是先获取该对象提供的⼀个迭代器,然后通过这 个迭代器来依次获取对象中的每⼀个数据.
那么也就是说,⼀个具备了 iter ⽅法的对象,就是⼀个可迭代对象。
class Classmate(object):
def __init__(self):
self.names = list()
self.current_num = 0
def add(self, name):
self.names.append(name)
def __iter__(self):
"""如果想要一个对象称为一个 可以迭代的对象,即可以使用for,那么必须实现__iter__方法"""
return self # 调用iter(xxobj)的时候 只要__iter__方法返回一个 迭代器即可,至于是自己 还是 别的对象都可以的, 但是要保证是一个迭代器(即实现了 __iter__ __next__方法)
def __next__(self):
if self.current_num < len(self.names):
ret = self.names[self.current_num]
self.current_num += 1
return ret
else:
raise StopIteration
classmate = Classmate()
classmate.add("老王")
classmate.add("王二")
classmate.add("张三")
# print("判断classmate是否是可以迭代的对象:", isinstance(classmate, Iterable))
# classmate_iterator = iter(classmate)
# print("判断classmate_iterator是否是迭代器:", isinstance(classmate_iterator, Iterator))
# print(next(classmate_iterator))
for name in classmate:
print(name)
time.sleep(1)
iter()函数与next()函数
list、tuple等都是可迭代对象,我们可以通过iter()函数获取这些可迭代对象 的迭代器。然后我们可以对获取到的迭代器不断使⽤next()函数来获取下⼀ 条数据。iter()函数实际上就是调⽤了可迭代对象的 iter ⽅法。
如何判断⼀个对象是否是迭代器
可以使⽤ isinstance() 判断⼀个对象是否是 Iterator 对象:
In [56]: from collections import Iterator
In [57]: isinstance([], Iterator)
Out[57]: False
In [58]: isinstance(iter([]), Iterator)
Out[58]: True
In [59]: isinstance(iter("abc"), Iterator)
Out[59]: True
迭代器lterator
通过上⾯的分析,我们已经知道,迭代器是⽤来帮助我们记录每次迭代访问 到的位置,当我们对迭代器使⽤next()函数的时候,迭代器会向我们返回它所 记录位置的下⼀个位置的数据。实际上,在使⽤next()函数的时候,调⽤的就 是迭代器对象的 next ⽅法(Python3中是对象的 next ⽅法, Python2中是对象的next()⽅法)。所以,我们要想构造⼀个迭代器,就要实 现它的 next ⽅法。但这还不够,python要求迭代器本身也是可迭代 的,所以我们还要为迭代器实现 iter ⽅法,⽽ iter ⽅法要返回 ⼀个迭代器,迭代器⾃身正是⼀个迭代器,所以迭代器的 iter ⽅法返 回⾃身即可。
⼀个实现了 iter ⽅法和 next ⽅法的对象,就是迭代器。
class MyList(object):
"""自定义的一个可迭代对象"""
def __init__(self):
self.items = []
def add(self, val):
self.items.append(val)
def __iter__(self):
myiterator = MyIterator(self)
return myiterator
class MyIterator(object):
"""自定义的供上面可迭代对象使用的一个迭代器"""
def __init__(self, mylist):
self.mylist = mylist
# current用来记录当前访问到的位置
self.current = 0
def __next__(self):
if self.current < len(self.mylist.items):
item = self.mylist.items[self.current]
self.current += 1
return item
else:
raise StopIteration
def __iter__(self):
return self
if __name__ == '__main__':
mylist = MyList()
mylist.add(1)
mylist.add(2)
mylist.add(3)
mylist.add(4)
mylist.add(5)
for num in mylist:
print(num)
for…in…循环的本质
for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable 的迭代器,然后对获取到的迭代器不断调⽤next()⽅法来获取下⼀个值并将其 赋值给item,当遇到StopIteration的异常后循环结束。
迭代器的应用场景
我们发现迭代器最核⼼的功能就是可以通过next()函数的调⽤来返回下⼀个数 据值。如果每次返回的数据值不是在⼀个已有的数据集合中读取的,⽽是通 过程序按照⼀定的规律计算⽣成的,那么也就意味着可以不⽤再依赖⼀个已 有的数据集合,也就是说不⽤再将所有要迭代的数据都⼀次性缓存下来供后 续依次读取,这样可以节省⼤量的存储(内存)空间。
举个例⼦,⽐如,数学中有个著名的斐波拉契数列(Fibonacci),数列中第 ⼀个数为0,第⼆个数为1,其后的每⼀个数都可由前两个数相加得到:
0, 1, 1, 2, 3, 5, 8, 13, 21, 34, …
现在我们想要通过for…in…循环来遍历迭代斐波那契数列中的前n个数。那么 这个斐波那契数列我们就可以⽤迭代器来实现,每次迭代都通过数学计算来 ⽣成下⼀个数。
class FibIterator(object):
"""斐波那契数列迭代器"""
def __init__(self, n):
"""
:param n: int, 指明生成数列的前n个数
"""
self.n = n
# current用来保存当前生成到数列中的第几个数了
self.current = 0
# num1用来保存前前一个数,初始值为数列中的第一个数0
self.num1 = 0
# num2用来保存前一个数,初始值为数列中的第二个数1
self.num2 = 1
def __next__(self):
"""被next()函数调用来获取下一个数"""
if self.current < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num1+self.num2
self.current += 1
return num
else:
raise StopIteration
def __iter__(self):
"""迭代器的__iter__返回自身即可"""
return self
if __name__ == '__main__':
fib = FibIterator(10)
for num in fib:
print(num, end=" ")
并不是只有for循环能接收可迭代对象
除了for循环能接收可迭代对象,list、tuple等也能接收。
li = list(FibIterator(15))
print(li)
tp = tuple(FibIterator(6))
print(tp)
⽣成器
利⽤迭代器,我们可以在每次迭代获取数据(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,我们可以采⽤更简便的语法,即⽣成 器(generator)。
⽣成器是⼀类特殊的迭代器。
创建⽣成器⽅法1
要创建⼀个⽣成器,有很多种⽅法。第⼀种⽅法很简单,只要把⼀个列表⽣ 成式的 [ ] 改成 ( )
In [15]: L = [ x*2 for x in range(5)]
In [16]: L
Out[16]: [0, 2, 4, 6, 8]
In [17]: G = ( x*2 for x in range(5))
In [18]: G
Out[18]: <generator object <genexpr> at 0x7f626c132db0>
In [19]:
In [19]: next(G)
Out[19]: 0
In [20]: next(G)
Out[20]: 2
In [21]: next(G)
Out[21]: 4
In [22]: next(G)
Out[22]: 6
In [23]: next(G)
Out[23]: 8
In [24]: next(G) ------------------------------------------------------------------------StopIteration Traceback (most recent call las <ipython-input-24-380e167d6934> in <module>() ----> 1 next(G)
StopIteration:
In [25]:
In [26]: G = ( x*2 for x in range(5))
In [27]: for x in G: ....: print(x) ....: 0 2 4 6 8
In [28]
创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) , L 是⼀个列表,⽽ G 是⼀个 ⽣成器。我们可以直接打印出列表L的每⼀个元素,⽽对于⽣成器G,我们可 以按照迭代器的使⽤⽅法来使⽤,即可以通过next()函数、for循环、list()等⽅ 法使⽤。
创建生成器方法2
generator⾮常强⼤。如果推算的算法⽐较复杂,⽤类似列表⽣成式的 for 循 环⽆法实现的时候,还可以⽤函数来实现。
我们仍然⽤上⼀节提到的斐波那契数列来举例,回想我们在上⼀节⽤迭代器 的实现⽅式:
class FibIterator(object):
"""斐波那契数列迭代器"""
def __init__(self, n):
"""
:param n: int, 指明生成数列的前n个数
"""
self.n = n
# current用来保存当前生成到数列中的第几个数了
self.current = 0
# num1用来保存前前一个数,初始值为数列中的第一个数0
self.num1 = 0
# num2用来保存前一个数,初始值为数列中的第二个数1
self.num2 = 1
def __next__(self):
"""被next()函数调用来获取下一个数"""
if self.current < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num1+self.num2
self.current += 1
return num
else:
raise StopIteration
def __iter__(self):
"""迭代器的__iter__返回自身即可"""
return self
在使⽤⽣成器实现的⽅式中,我们将原本在迭代器 next ⽅法中实现的 基本逻辑放到⼀个函数中来实现,但是将每次迭代返回数值的return换成了 yield,此时新定义的函数便不再是函数,⽽是⼀个⽣成器了。
简单来说:只 要在def中有yield关键字的 就称为 ⽣成器
此时按照调⽤函数的⽅式( 案例中为F=fib(5) )使⽤⽣成器就不再是执⾏函数 体了,⽽是会返回⼀个⽣成器对象( 案例中为F ),然后就可以按照使⽤迭 代器的⽅式来使⽤⽣成器了。
生成器要点
使⽤了yield关键字的函数不再是函数,⽽是⽣成器。(使⽤了yield的函 数就是⽣成器)
yield关键字有两点作⽤: 保存当前运⾏状态(断点),然后暂停执⾏,即将⽣成器(函数) 挂起
将yield关键字后⾯表达式的值作为返回值返回,此时可以理解为起 到了return的作⽤
可以使⽤next()函数让⽣成器从断点处继续执⾏,即唤醒⽣成器(函数)
Python3中的⽣成器可以使⽤return返回最终运⾏的返回值,⽽Python2 中的⽣成器不允许使⽤return返回⼀个返回值(即可以使⽤return从⽣成 器中退出,但return后不能有任何表达式)。
使⽤send唤醒
我们除了可以使⽤next()函数来唤醒⽣成器继续执⾏外,还可以使⽤send()函 数来唤醒执⾏。使⽤send()函数的⼀个好处是可以在唤醒的同时向断点处传 ⼊⼀个附加数据。
例⼦:执⾏到yield时,gen函数作⽤暂时保存,返回i的值; temp接收下次 c.send(“python”),send发送过来的值,c.next()等价c.send(None)
def create_num(all_num):
a, b = 0, 1
current_num = 0
while current_num < all_num:
ret = yield a
print(">>>ret>>>>", ret)
a, b = b, a+b
current_num += 1
obj = create_num(10)
# obj.send(None) # send一般不会放到第一次启动生成器,如果非要这样做 那么传递None
ret = next(obj)
print(ret)
# send里面的数据会 传递给第5行,当做yield a的结果,然后ret保存这个结果,,,
# send的结果是下一次调用yield时 yield后面的值
ret = obj.send("hahahha")
print(ret)
exit(?)