迭代器
-
可迭代对象:
- List,str,tuple etc. —> For…in…遍历. —>遍历迭代
-
迭代器协议:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么引起stopit eration异常,以终止迭代(只能往下走,不可以回退)
现在,我们就可以说,实现了迭代器协议的对象就是可迭代对象
通过在对象内部定义一个
__iter__
方法li = [1, 2, 3] sr = 'abcd' # print(li.__iter__()) # print(sr.__iter__()) li_iter = li.__iter__() print(li_iter.__next__()) #<-->next(li_iter) print(next(li_iter)) print(li_iter.__next__()) # print(li_iter.__next__()) sr_iter = sr.__iter__() print(sr_iter.__next__()) #<-->next(sr_iter) print(sr_iter.__next__()) print(sr_iter.__next__()) # print(sr_iter.__next__()) #多一项会报错 print(next(sr_iter)) 1 2 3 a b c d
可迭代对象测试:使用instance()来判断一个对象是否可迭代
from collections import Iterable print(isinstance([], Iterable)) print(isinstance(str(), Iterable)) print(isinstance({}, Iterable)) print(isinstance(set(), Iterable)) print(isinstance(123, Iterable)) print(isinstance(True, Iterable)) True True True True False False
自定义一个类,其可以容纳数据,测试该类型
from collections.abc import Iterable
class MyClass:
def __init__(self):
self.names = []
def add(self, name):
self.names.append(name)
my_class = MyClass()
my_class.add('Tom')
my_class.add('Jack')
my_class.add('Lucy')
print('是否为可迭代对象:', isinstance(my_class, Iterable))
是否为可迭代对象: False
__iter__
方法,其可以为我们提供一个迭代器
在迭代一个可迭代对象的时候,实际上就是获得该对象提供的一个迭代器,然后通过该迭代器依次获取对象的每一个数据
from collections.abc import Iterable
class MyClass:
def __init__(self):
self.names = []
def add(self, name):
self.names.append(name)
def __iter__(self):
return self.names.__iter__()
my_class = MyClass()
my_class.add('Tom')
my_class.add('Jack')
my_class.add('Lucy')
print('是否为可迭代对象:', isinstance(my_class, Iterable))
for tmp in my_class:
print(tmp,end=' ')
是否为可迭代对象: True
Tom Jack Lucy
通过迭代器,迭代
print(my_class)
my_class_iter = iter(my_class)
print(my_class_iter)
print(next(my_class_iter))
print(next(my_class_iter))
print(next(my_class_iter))
<__main__.MyClass object at 0x10c9ee3c8>
<list_iterator object at 0x10ca1c4a8>
Tom
Jack
Lucy
For…in…循环本质
就是通过iter()函数获取可迭代对象的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item,当遇到StopIteration的异常后,退出.
应用场景
迭代器的核心就是通过next()函数调用返回下一个数据值,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,那么也就意味着可以不用依赖一个已有的数据集合,namely,无需将所有的迭代对象数据一次性缓存下来后供后续使用,这样,可以节省大量的储存(内存)空间
Demo:
斐波拉契数列
现在我们希望通过for…in…的方式来遍历斐波那契数列中前n个数
通过迭代来实现,每次迭代都可以通过数字计算生成下一个数
class FibIterator(object):
"""斐波那契数列迭代器"""
def __init__(self, n):
# 记录生成的被波那契数列的个数
self.n = n
# 记录当前记录的索引
self.current_index = 0
# 记录两个初始值
self.num1 = 0
self.num2 = 1
def __next__(self):
"""调用next函数来获取下一个数"""
if self.current_index < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num1 + self.num2
self.current_index += 1
return num
else:
raise StopIteration
def __iter__(self):
return self
fib = FibIterator(10)
for num in fib:
print(num, end=' ')
0 1 1 2 3 5 8 13 21 34
class test:
def __init__(self, data=1):
self.data = data
def __iter__(self):
return self
def __next__(self):
if self.data > 5:
raise StopIteration
else:
self.data += 1
return self.data
for i in test(2):
print(i)
3
4
5
6
生成器
生成器,利用迭代器,我们可以在每次迭代获取数据时,(通过next()方法)按照特定的规律进行生成,但是我们在实现一个迭代器时,关于当前迭代的状态需要我们自己记录,进而才能根据当前的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,可以采用更简便的语法
即 生成器(generator),生成器是一种特殊的迭代器,它比迭代器更优雅
创建一个生成器
列表[]—>()
li = [x**2 for x in range(6)]
print(li)
gen = (x**2 for x in range(6))
print(gen)
print('通过next()函数取得下一个值')
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print('通过for遍历')
gen = (x**2 for x in range(6))
for i in gen:
print(i,end = ' ')
[0, 1, 4, 9, 16, 25]
<generator object <genexpr> at 0x10eda3b10>
通过next()函数取得下一个值
0
1
4
9
16
25
通过for遍历
0 1 4 9 16 25
生成器函数
在函数中如果出现了yield关键字,那么该函数就不再是一个普通函数而是一个生成器函数
def foo():
yield 1
yield 2
f = foo()
print(next(f))
print(next(f))
1
2
next 和yield 进行匹配,如果遇到return
return后的语句不会再执行,直接抛出StopIteration,终止迭代
如果return后有返回值,那么这个值就是异常的说明,而不是函数的返回值
def foo():
yield 1
yield 2
return
yield 3
f = foo()
print(next(f)) #程序会停留在对应的yield后的语句
print(next(f))
print(next(f)) #当程序遇到return,return后的语句不会再执行,因此报错
1
2
Traceback (most recent call last):
File "/Users/xujiaqi/PycharmProjects/untitled3/xu.py", line 1005, in <module>
print(next(f))
StopIteration
输出奇数:
def odd():
n = 1
while True:
yield n
n += 2
odd_num = odd()
print(odd_num)
count = 0
# for i in odd_num: #方法一
# if count>5:
# break
# print(i)
# count+=1
# print(next(odd_num)) #方法二
# print(next(odd_num))
# print(next(odd_num))
# print(next(odd_num))
# print(next(odd_num))
for i in range(1,6): #方法三
print(next(odd_num))
1
3
5
7
9
11
15
17
19
21
23
25
27
29
31
33
关于手动编写迭代器,实现类似效果
class OddIter:
def __init__(self):
self.start = -1
def __iter__(self):
return self
def __next__(self):
self.start += 2
return self.start
odd = OddIter()
for i in range(6):
print(next(odd))
1
3
5
7
9
11
生成器生成的方法:
Help on generator object:
odd = class generator(object)
| Methods defined here:
|
| __del__(...)
|
| __getattribute__(self, name, /)
| Return getattr(self, name).
|
| __iter__(self, /)
| Implement iter(self).
|
| __next__(self, /)
| Implement next(self).
|
| __repr__(self, /)
| Return repr(self).
|
| close(...)
| close() -> raise GeneratorExit inside generator.
|
| send(...)
| send(arg) -> send 'arg' into generator,
| return next yielded value or raise StopIteration.
|
| throw(...)
| throw(typ[,val[,tb]]) -> raise exception in generator,
| return next yielded value or raise StopIteration.
|
| ----------------------------------------------------------------------
| Data descriptors defined here:
|
| gi_code
|
| gi_frame
|
| gi_running
|
| gi_yieldfrom
| object being iterated by yield from, or None
None
- close()
- 手动关闭生成器函数,后面调用会直接引起StopIteration异常
def gen():
yield 1
yield 2
yield 3
yield 4
g = gen()
print(next(g))
print(next(g))
g.close()
print(next(g)) #回溯
1
2
Traceback (most recent call last):
File "/Users/xujiaqi/PycharmProjects/untitled3/xu.py", line 1071, in <module>
print(next(g)) #回溯
StopIteration
-
send()
- x = yield y 语句的含义:send()的作用就是使receive赋值为其传送的值,然后让生成器执行到下一个yield
-
如果生成器未启动,则必须在使用send()前启动生成器,而启动的方法可以是gen,next(),也可以是gen.send(None)执行到第一个yield处,之后就可以使用send(para)不断传人值了
- 如果是已启动,则send(para)的作用给x赋值为发送的值(send的参数),然后让生成器执行到下一个yield.
def gen():
value = 0
while True:
receive = yield value
if receive =='e':
break
value = 'get: %s' %receive
#send()作用就是使receive赋值为其传送的值,然后让生成器执行到下一个yeild
g = gen()
print(g.send(None))
print(g.send('aaa'))
print(g.send('e'))
0
get: aaa
Traceback (most recent call last):
File "/Users/xujiaqi/PycharmProjects/untitled3/xu.py", line 1086, in <module>
print(g.send('e'))
StopIteration
def gen():
i = 0
while i < 5:
temp = yield i #把yield看成是return,return返回一个值就停止了,直到下一个next
print(temp)
i += 1
# 创建生成器对象
obj = gen()
# 使用next()唤醒生成器
print(next(obj))
print(next(obj))
print(obj.send('city'))
0
None
1
city
2
- throw()
- 手动抛出异常