python之迭代器与生成器

python之迭代器与生成器

 

可迭代

假如现在有一个列表，有一个int类型的12345。我们循环输出。

?

1 2 3 4 5

list=[1,2,3,4,5] for i in list:     print(i) for i in 12345:     print(i)

 

结果：

?

1 2 3 4 5 6 7 8 9

Traceback (most recent call last):   File "C:/Pycham/生成器与迭代器/test1.py", line 6, in <module>     for i in 12345: TypeError: 'int' object is not iterable 1 2 3 4 5

 

?

1 2 3

报错显示：1234不是可以被迭代的。   那python中哪些是<strong>可迭代</strong>的：字符串、列表、元组、字典、集合。

?

1	for循环工作机制：for循环在循环一个对象的时候，会调用这个对象的iter方法，得到迭代器，然后在调用这个迭代器的next方法，去获得这个迭代器中包涵的每个值。<br>现在可能我们不太明白，什么是iter方法，什么是迭代器，什么是next方法。

　　

 

迭代器

?

1 2 3

但是如果只是将数据集内的数据“一个挨着一个的取出来，for循环就可以做到，为什么要使用迭代器呢？迭代器是什么？ <strong>迭代器能迭代的一定是可以迭代的数据类型。</strong> 如果我们要使用迭代器，一定要将可以被迭代的数据集转为迭代器，使用<strong>__iter__()</strong>。

　　

?

1 2 3 4 5 6 7 8 9 10

#列表生成式 list=[1,2,3,4,5] #生成器 gen=list.__iter__() print(list) print(gen)   结果： [1, 2, 3, 4, 5] <list_iterator object at 0x0000000002627278>

　

迭代器的三个方法

?

1 2 3 4 5 6 7

iter_l = [1,2,3,4,5,6].__iter__() #获取迭代器中元素的长度 print(iter_l.__length_hint__()) #根据索引值指定从哪里开始迭代 print(iter_l.__setstate__(2)) #一个一个的取值 print(iter_l.__next__())

　　

?

1 2 3

结果：<br>6 None 3

 

循环输出迭代器的内容

注意：

很重要的特性，就是不可逆，只能前进，不能后退。

如果迭代的次数超过里面的数据，就会报错。

?

1 2 3 4 5 6 7 8

l = [1,2,3,4] l_iter = l.__iter__() while True:     try:         item = l_iter.__next__()         print(item)     except StopIteration:         break

　　

?

1 2 3 4 5

总结：一个对象是否可迭代，全都取决于这个对象是否有iter方法，调用对象的iter方法，就回返回一个迭代器，这个迭代器一定具有next方法，在调用这个迭代器的next方法时，迭代器就回返回它的下一个值，当迭代器中没有 值可以返回了，就回抛出一个名为StopIteration的异常，停止迭代。 for循环的工作机制，可以让我们遍历任何一个可迭代的数据集。 虽然序列类型字符串，列表，元组都有下标，你用下标的方式访问。 但是非序列类型像字典，集合，文件对象这样的数据类型也是可迭代的。

　　

 

生成器

?

1 2 3 4 5 6 7 8 9 10

通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。   所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间，在Python中，这种一边循环一边计算的机制，称为生成器：generator   生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。   生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像<br>是迭代器。   <strong>总结：生成器是个比较特殊的可迭代对象，它与其他的可迭代对象不太一样的地方，其他的可迭代对象需要调用iter方法，返回个迭代器对象，然后通过迭代器对象去执行next方法，获取迭代器中的值，但是生成器直接可以被迭代，无需执行iter方法。 </strong>

　　

?

1 2 3 4 5 6

生成器Generator：   　　本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)   　　特点：惰性运算,开发者自定义

　　

 

初始生成器

import time
def genrator_fun1():
    a = 1
    print('现在定义了a变量')
    yield a
    b = 2
    print('现在又定义了b变量')
    yield b

g1 = genrator_fun1()
print('g1 : ',g1)       #打印g1可以发现g1就是一个生成器
print('-'*20)   #我是华丽的分割线
print(next(g1))
time.sleep(1)   #sleep一秒看清执行过程
print(next(g1))

 

 

 

 

python中生成器有两种表达形式

?

1	函数式生成器：在常规的函数中定义的生成器，语句的返回值不再使用return去返回，而是使用yield关键字每次返回一个结果,一个函数中不可以有多个return，但是可以有多个yield，函数中的每一个yield都会返回一个结果，每执行一个yield，函数的执行状态都会被‘挂起’可以理解<br>为暂停，下次继续调用这个函数的时候，会从上次挂起的位置继续向下执行。

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

def func1():       yield 1       print("第一个yield执行完成~")       yield 2       print("第二个yield执行完成~")       yield 3       print("第三个yield执行完成~")     for i in func1():     print(i)

　　

?

1 2 3 4 5 6

结果：<br>1 第一个yield执行完成~ 2 第二个yield执行完成~ 3 第三个yield执行完成~

　　

 

生成器表达式：使用类似于列表推导式的方法，但是返回的对象不再是一个列表，而是一个可以按需生成结果的一个对象（生成器）。
只要把一个列表生成式的[]中括号改为（）小括号，就创建一个generator

 

?

1 2 3 4 5 6 7 8 9 10

#列表生成式 lis = [x*x for x in range(10)] print(lis) #生成器 generator_ex = (x*x for x in range(10)) print(generator_ex)    结果： [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] <generator object <genexpr> at 0x000002A4CBF9EBA0>

　　

 

for循环输出生成器的值

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

#生成器 generator_ex = (x*x for x in range(10)) for i in generator_ex:     print(i)        结果： 0 1 4 9 16 25 36 49 64 81

所以我们创建一个generator后，基本上永远不会调用next()，而是通过for循环来迭代，并且不需要关心StopIteration的错误（迭代超过长度）。

 

?

1 2 3

使用生成器的优点：   延迟计算，一次返回一个结果。也就是说，它不会一次生成所有的结果，这对于大数据量处理，将会非常有用。

　　

 

最后示例：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

import time   def cumtom(name):     print('%s准备吃包子' %name)     time.sleep(1)     while 1:         count=yield         print('%s吃到第%d个包子' %(name,count))   def producter():     con1.__next__()     con2.__next__()     n=1     while 1:         time.sleep(1)         print('已经生产出来%d、%d个包子' %(n,n+1))         #通过send方法通知         con1.send(n)         con2.send(n+1)         n+=2     con1=cumtom('cumtom1') con2=cumtom('cumtom2') producter()

　　

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

cumtom1准备吃包子 cumtom2准备吃包子 已经生产出来1、2个包子 cumtom1吃到第1个包子 cumtom2吃到第2个包子 已经生产出来3、4个包子 cumtom1吃到第3个包子 cumtom2吃到第4个包子 已经生产出来5、6个包子 cumtom1吃到第5个包子 cumtom2吃到第6个包子 已经生产出来7、8个包子 cumtom1吃到第7个包子 cumtom2吃到第8个包子 已经生产出来9、10个包子 cumtom1吃到第9个包子 cumtom2吃到第10个包子 已经生产出来11、12个包子 cumtom1吃到第11个包子 cumtom2吃到第12个包子 已经生产出来13、14个包子 cumtom1吃到第13个包子 cumtom2吃到第14个包子 已经生产出来15、16个包子 cumtom1吃到第15个包子 cumtom2吃到第16个包子