Python 生成器 (generator) & 迭代器 (iterator)

python 生成器 & 迭代器

生成器 (generator)

生成器包括生成器表达式以及生成器函数
生成器只能循环一次

生成器表达式

生成器表达式与列表生成式语法类似，先看一下列表生成式

列表生成式

列表生成式用来生成一个列表，虽然写的是表达式，但是储存的是计算出来的结果，因此生成的列表受到内存大小的限制
示例：

a = [x ** 2 for x in range(5)]
print(a)

输出结果：

[0, 1, 4, 9, 16]

生成器表达式

生成器表达式同样可以用来生成一个列表，但是生成器保存的是算法，在每一次调用 next 时才会计算出结果，因此生成的列表不会受到内存大小的限制
示例：

a = (x ** 2 for x in range(5))
print(a)
for i in range(6):
	print(next(a))

输出结果：

<generator object <genexpr> at 0x107da7870>
0
1
4
9
16
Traceback (most recent call last):
  File "<stdin>", line 2, in <module>
StopIteration

每次调用 next()，就计算出下一个元素的值，无法再次获取前面元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration 的错误

生成器函数

当函数中出现 yield 时这个函数就成了一个 generator 的函数
generator 在执行的时候遇到 yield 时会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行
示例：

def fib(max_n):
    """斐波那契数列生成器"""
    n, a, b = 0, 0, 1
    while n < max_n:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'


def main():
    f = fib(6)
    while True:
        try:
            x = next(f)
            print(x)
        except StopIteration as e:
            print("Generator return value:", e.value)
            break


if __name__ == '__main__':
    main()

输出结果：

1
1
2
3
5
8
Generator return value: done

通过 yield 实现在单线程的情况下实现并发运算的效果

示例：

import time


def consumer(name):
    print("%s开始吃包子了" % name)    
    while True:
        produce = yield                                # 函数在此暂停，等待唤醒
        print("%s吃了第%i笼包子" % (name, produce+1))      # 唤醒后执行


def producer(name):
    c = consumer("A")
    c2 = consumer("B")
    c.__next__()    
    c2.__next__()
    print("%s准备开始生产" % name)
    for i in range(3):
        time.sleep(1)
        print("已经做了%i笼包子" % (i+1))
        c.send(i)                                       # 将i发送给produce，并唤醒函数
        c2.send(i)

producer("C")

输出结果：

A开始吃包子了
B开始吃包子了
C准备开始生产
已经做了1笼包子
A吃了第1笼包子
B吃了第1笼包子
已经做了2笼包子
A吃了第2笼包子
B吃了第2笼包子
已经做了3笼包子
A吃了第3笼包子
B吃了第3笼包子

在 producer 函数中 c 和 c2 轮流调用 consumer 函数
send() 和 next() 一样可以唤醒生成器，而且还能给 yield 传值

迭代器 (iterator)

可迭代对象 (iterable)

可以直接作用于 for 循环的数据类型有以下两种：

  1. 一类是集合数据类型，如 list、tuple、dict、set、str 等
  2. 一类是 generator，包括生成器和带 yield 的 generator function
    这些可以直接作用于 for 循环的对象统称为可迭代对象

示例：

def fib(max_n):
    """斐波那契数列生成器"""
    n, a, b = 0, 0, 1
    while n < max_n:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'


def main():
    f = fib(6)
    for i in f:
        print(i)


if __name__ == '__main__':
    main()

输出结果：

1
1
2
3
5
8

迭代器 (iterator)

可以被 next() 函数调用并不断返回下一个值的对象称为迭代器
生成器都是 Iterator 对象，但list、dict、str 虽然是 Iterable ，却不是Iterator
把list、dict、str 等 Iterable 变成 Iterator 可以使用 iter() 函数
示例：

a = [1, 2, 3, 4, 5, 6, 7]
b = a.__iter__()
c = iter(a)

print(a, b, c)

输出结果：

[1, 2, 3, 4, 5, 6, 7] <list_iterator object at 0x11d271f60> <list_iterator object at 0x11d260160>

b, c 都是通过 a 变成的迭代器
a, b, c 都可以使用 for 循环：

for i in a:
	print(i)
for i in b:
	print(i)

结果一致

对比

生成器 (generator) 都是迭代器 (iterator)，但是迭代器不一定是生成器，还有通过 iter() 变成迭代器的可迭代对象

posted on 2019-11-17 17:39  doubtful  阅读(916)  评论(1)  编辑  收藏  举报

导航