python——迭代器和生成器
一、可迭代协议:可以被迭代要满足要求的就叫做可迭代协议。内部实现了__iter__方法
iterable:可迭代的------对应的标志
什么叫迭代?:一个一个取值,就像for循环一样取值
字符串,列表,元组,集合,字典都是可迭代的
二、迭代器协议:内部实现了__iter__,__next__方法
迭代器大部分都是在python的内部去使用的,我们直接拿来用就行了
迭代器的优点:如果用了迭代器,节约内存,方便操作
dir([1,2].__iter__())是列表迭代器中实现的所有的方法,而dir([1,2])是列表中实现的所有方法,
都是以列表的方式返回给我们,为了方便看清楚,我们把他们转换成集合,然后取差集
print(dir([1,2].__iter__()))#查看列表迭代器的所有方法 print(dir([1,2]))#查看列表的所有方法 print(set(dir([1,2].__iter__()))-set(dir([1,2])))
iter_l=[1,2,3,4,5,6].__iter__() print(iter_l.__length_hint__())#获取迭代器中元素的长度 # print(iter_l.__setstate__(4))#根据索引指定从哪里开始迭代 print(iter_l.__next__()) print(iter_l.__next__()) print(iter_l.__next__())#一个一个的取值 print(next(iter_l)) #next(iter_l)这个方法和iter_l.__next__()方法一样,推荐用next(iter_l)这个
l=[1,2,3,4,5] a=l.__iter__() # print(next(a)) # print(next(a)) # print(next(a)) # print(next(a)) # print(next(a)) # print(next(a)) #上面的列表长度只有5个,而你多打印了,就会报错。处理的情况如下,就不会报错了 while True: try: item=a.__next__() print(item) except StopIteration: # 异常处理 break
三、可迭代和迭代器的相同点:都可以用for循环
四、可迭代和迭代器的不同点:就是迭代器内部多实现了一个__next__方法
五、判断迭代器和可迭代的方法:
第一种:判断内部是不是实现了__next__方法
'__iter__' in dir(str)#如果__iter__在这个方法里面,就是可迭代的。
第二种:
Iterable 判断是不是可迭代对象
Iterator 判断是不是迭代器
用法:
from collections import Iterable from collections import Iterator #比如给一个字符串 s='abc' print(isinstance(s,Iterable))#isinstance判断类型的 print(isinstance(s,Iterator))
判断range函数
s=range(100)#是一个可迭代的,但是不是迭代器 print(isinstance(s,Iterable)) print(isinstance(s,Iterator))
五、生成器函数:
常规定义函数,但是,使用yield语句而不是return语句返回结果。
yield语句一次返回一个结果。
生成器的好处,就是一下子不会在内存中生成太多的数据
python中提供的生成器:
1.生成器函数 2.生成器表达式
生成器的本质:就是一个迭代器
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
def func(): #这是一个简单的函数 a=1 return a print(func()) def func(): print('aaaaaaaaaaa') a = 1 yield a # 返回第一个值 print('bbbbbb') yield 12 # 返回第二个值 ret = func() # 得拿到一个生成器 # print(ret)#返回的是一个地址 print(next(ret))#取第一个值 print(next(ret))# 取第二个值 print(next(ret))# 取第三个值,会报错,因为没有yield第三个值
例如:
假如我想让工厂给学生做校服,生产2000000件衣服,我和工厂一说,工厂应该是先答应下来,然后再去生产,
我可以一件一件的要,也可以根据学生一批一批的找工厂拿。
而不能是一说要生产2000000件衣服,工厂就先去做生产2000000件衣服,等回来做好了,学生都毕业了。。。
def make_cloth(): for i in range(1,20000): yield '第%s件衣服'%(i) ret = make_cloth() print(next(ret)) print(next(ret)) print(next(ret)) for i in range(100): print(next(ret))
import time def tail(filename): f = open(filename) f.seek(0, 2) #从文件末尾算起 while True: line = f.readline() # 读取文件中新的文本行 if not line: time.sleep(0.1) continue yield line tail_g = tail('tmp') for line in tail_g: print(line) 生成器监听文件例子
六、yield from
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
def func(): # for i in 'AB': # yield i yield from 'AB' yield from 'AB'就相当于上面的for循环,吧循环简化了 yield from [1,2,3] g=func() print(list(g)) # print(next(g)) # print(next(g))
七、列表推导式:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# ======一层循环====== l = [i*i for i in range(1,10)] print(l) # 上面的列表推倒式就相当于下面的 l = [] for i in range(1,10): l.append(i*i) print(l) l = [] # ======多层循环======== # 1.列表推倒式 l = [i*j for i in range(1,10) for j in range(1,10)] print(l) # 2.循环 l = [] for i in range(1,10): for j in range(1,10): s = i*j l.append(s) print(l)
八、生成器表达式:类似于列表推倒式,就是把列表推导式的【】改为了()
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
l=[{'name':'v1','age':'22'},{'name':'v2'}] name_list=(dic['name'] for dic in l)#吧列表生成器的[]改成() print(name_list)#取出的是一个生成器,而不是要取得值,所以得加上next print(next(name_list)) print(next(name_list)) # print(next(name_list))