深入理解python中的迭代器和生成器

SEQ19 深入理解迭代器和生成器

1 四个概念区分：容器、可迭代对象、迭代器、生成器；

​ a.“容器”：直观感受就是多个’类似’数据结构的元素组在一起单元，比如，数组、元组、字典都是容器。所有的容器都是可迭代的。
​ b.“可迭代对象(interable)”：Python中一切皆对象。所以Python中只要是可迭代(类似使用for in obj:)的对象，都是可迭代对象。
​ 比如：容器就是可迭代对象；“迭代”：不等于简单的重复。迭代包含了有规律的变化
​ c.“迭代器(interator)”：“可迭代对象” 不等于"迭代器"，"可迭代对象"通过iter()函数可以得到一个迭代器，迭代器通过next()得到
​ 下一个元素。
​ PS:首先要明一点，迭代器是一个类（class）,比如:class list,class set,class str 都是class
​ d.“生成器(generator)”：是一种特特类型的迭代器，但反之不成立（即迭代不一定是生成器）。当生成器所有元素都遍历完后，会抛出StopIteration异常。

2 如何判断对象是否可迭代？

​ a. iter()函数，如果可迭代，则返回一个可迭代对象，否则报错；
​ b. from collections import Iterable
​ instance(v, type)

#code 1
from collections import Iterable
params = [1234, '1234', [1, 2, 3, 4], set([1, 2, 3, 4]), {1:1, 2:2, 3:3, 4:4}, (1, 2, 3, 4)]
for i in params:
    tag = isinstance(i, Iterable)
    print(f"对象：{i} 是否可迭代:{tag}：")

3 如何构建一个可迭代对象？

1）使用[]

# code 2
from collections import Iterable
a = [i for i in range(1001)]
print(isinstance(a, Iterable))

2)实例化一个迭代器，得到一个可迭代对象

# code 3
# BookCollections()  是个迭代器
books = BookCollections()

4 迭代器（Iterator)

1) 迭代器–如何构建一个迭代器？

迭代器的本质：迭代器是个类，迭代器是个类，迭代器是个类~~~重要事情说三遍！
需要在类中实现__iter__()和__next__() 方法，就构建了一个迭代器。

# code 4
class BookCollections(object):
    def __init__(self):
        self.data = ["《往事》", "《只能》", "《回味》"]
        self.cur = 0
    def __iter__(self):
        return self

    def __next__(self):
        if self.cur > len(self.data):
            raise StopIteration()
        r = self.data[self.cur]
        self.cur += 1
        return r
from collections import Iterable
books = BookCollections()
print(f'books的类型{isinstance(books,Iterable)}')
print(f'BookCollections()的类型{isinstance(BookCollections(), Iterable)}')

2) 迭代器–迭代器的“一次性”

迭代器具有“一次性”的特性，即只能遍历一次。因为生成器也是一种懒人版本的迭代器，所以也有“一次性“的特性。

# code 5
books = BookCollections()
for book in books:
    print(book)
for book in books:
    print(book)
#如上第二个for循环不会打印任何

若需要多次遍历，需要：

​ a.复位重新生成一个可迭代对象；

# code 6
book1 = BookCollections()
books = BookCollections()

​ b.使用copy.copy()或者copy.deepcopy()

books = BookCollections()
import copy
books_copy = copy.copy(books)
for book in books:
    print(book)
for book in books_copy:
    print(book)

5 生成器（generator）

生成器的本质：是一种函数，一种算法，边执行，边“生成”。如

生成器，可以理解为“懒人版本的迭代器”。

1) 如何声明一个生成器

Python中用小括号括起来即表示生命一个“生成器”，如(i for i in range(1001))

a = (i for i in range(1001))
print(type(a))
-----------------
<class 'generator'>

2）一个对比实例

需求

获取0~10000之间的每个数的和

方案

方案1：常规方案：列表 + 循环

n = [i for i in range(10001)]
sum = 0
for i in n:
    sum += i
print(sum)

方案2：生成器方案

def gen(max):
    n = 0
    while n <= max:
        yield n
        n += 1
sum = 0
for i in gen(10000):
    sum += i
print(sum)

优劣对比

方案一中，n是直接保存在内存中的一个类别，占用很多内存，如果数据多到超过服务器内存时，会出现OOM的异常。

方案二种，生成器保存的实际上是一种算法，每次返回yield出的值，所以不会占用太大的内存。

3） return和yield关键字

return：在程序函数中返回某个值，返回之后函数不在继续执行，彻底结束。
yield：带有yield关键字的函数是一个迭代器，函数遇到yield关键字，则返回yield后的值后，然后跳到next()函数从yield处继续执行，直到程序结束。

def gen(max):
    n = 0
    while n <= max:
        yield n
        n += 1
#########################
for i in gen(5):
    print(i)
# 等价于
g =gen(5)
i = 1
while i <= 6:
    i += 1
    print(next(g))