Python基础(五)-迭代器,生成器
一、迭代器
1.1、迭代概念
迭代是一个重复的过程,每次重复即一次迭代,并且每次迭代的结果都是下一次迭代的初始值
while True: #只是单纯地重复,因而不是迭代 print('===>') l=[1,2,3] count=0 while count < len(l): #迭代 print(l[count]) count+=1
1.2、迭代器概念
1)为什么要有迭代器?
对于序列类型:字符串、列表、元组,我们可以使用索引的方式迭代取出其包含的元素。但对于字典、集合、文件等类型是没有索引的,若还想取出其内部包含的元素,则必须找出一种不依赖于索引的迭代方式,这就是迭代器
2)可迭代对象
可迭代对象指的是内置有__iter__方法的对象,即obj.__iter__
"hello".__iter__() #字符串 (1,2,3).__iter__() #元祖 [1,2,3].__iter__() #列表 {"a": 1,"b":2}.__iter__() #字典 {"a","b","c"}.__iter__() #集合 open("a.txt").__iter__() #文件
3)迭代器对象
可迭代对象执行obj.__iter__()得到的结果就是迭代器对象
而迭代器对象指的是即内置有__iter__又内置有__next__方法的对象
#文件类型是迭代器对象 open('a.txt').__iter__() open('a.txt').__next__()
查看可迭代对象:
li = ["A","B","C","D"] iter_l=li.__iter__() #获取可迭代对象 print(iter_l) #<list_iterator object at 0x0000016CE2D66C18>
4)注意:
迭代器对象一定是可迭代对象,而可迭代对象不一定是迭代器对象
1.3、迭代器的使用
dic={'a':1,'b':2,'c':3} iter_dic=dic.__iter__() #得到迭代器对象,迭代器对象即有__iter__又有__next__,但是:迭代器.__iter__()得到的仍然是迭代器本身 print(iter_dic.__next__()) #等同于next(iter_dic) print(iter_dic.__next__()) #等同于next(iter_dic) print(iter_dic.__next__()) #等同于next(iter_dic) #print(iter_dic.__next__()) #抛出异常StopIteration,或者说结束标志 #有了迭代器,我们就可以不依赖索引迭代取值了 iter_dic=dic.__iter__() while 1: try: k=next(iter_dic) print(dic[k]) except StopIteration: break
1.4、for循环原理
#基于for循环,我们可以完全不再依赖索引去取值了 dic={'a':1,'b':2,'c':3} for k in dic: print(dic[k]) #for循环的工作原理 #1:执行in后对象的dic.__iter__()方法,得到一个迭代器对象iter_dic #2: 执行next(iter_dic),将得到的值赋值给k,然后执行循环体代码 #3: 重复过程2,直到捕捉到异常StopIteration,结束循环
1.5、迭代器的优缺点
优点:
- 提供一种统一的、不依赖于索引的迭代方式
- 惰性计算,节省内存,不需要将所有元素放置到内存中
缺点:
- 无法获取长度(只有在next完毕才知道到底有几个值)
- 一次性的,只能往后走,不能往前退
二、生成器
2.1、生成器概念
只要函数内部包含有yield关键字,那么函数名()的到的结果就是生成器
def func(): print('====>first') yield 1 print('====>second') yield 2 print('====>third') yield 3 print('====>end') g=func() print(g) #<generator object func at 0x000001CB68D6B4C0> #生成器就是迭代器 # g.__iter__() # g.__next__() #s生成器取值 res = next(g) print(res)
2.2、生成器函数
def egg(): for i in range(5): yield '鸡蛋%s' %i eat_egg = egg() print(eat_egg.__next__()) print(eat_egg.__next__()) print(eat_egg.__next__()) print(eat_egg.__next__()) print(eat_egg.__next__())
示例:
def get_polulation(): with open('人口', 'r', encoding='utf-8') as f: for i in f: yield i g=get_polulation() print(g.__next__()) #{'name':'北京','population':10} ==>获取的时字符串 #print(g.__next__()['population']) #报错TypeError: string indices must be integers s1=eval(g.__next__()) #转换为字典格式 print(type(s1)) #<class 'dict'> print(s1['population']) #计算总人数 # res=0 # for p in g: # p_dic=eval(p) # print(p_dic['population']) # res+=p_dic['population'] # print(res) all_pop=sum(eval(i)['population'] for i in g) print(all_pop) #3421360361
三、各种表达式
3.1、三元表达式
name=input('姓名>>: ') res='SB' if name == 'jack' else 'NB' print(res)
3.2、列表推导式
语法格式:
[expression for item1 in iterable1 if condition1 for item2 in iterable2 if condition2 ... for itemN in iterableN if conditionN ] 类似于 res=[] for item1 in iterable1: if condition1: for item2 in iterable2: if condition2 ... for itemN in iterableN: if conditionN: res.append(expression)
示例:
egg_list=[] for i in range(10): egg_list.append('鸡蛋%s' %i) print(egg_list) egg_list=['鸡蛋%s' %i for i in range(10)] print(egg_list) #['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4', '鸡蛋5', '鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9']
3.3、生成器表达式
把列表推导式的[]换成()就是生成器表达式
>>> chicken=('鸡蛋%s' %i for i in range(5)) >>> chicken <generator object <genexpr> at 0x000001DB14D1A930> >>> next(chicken) '鸡蛋0' >>> next(chicken) '鸡蛋1' >>> list(chicken) #因chicken可迭代,因而可以转成列表 ['鸡蛋2', '鸡蛋3', '鸡蛋4']
四、生产者消费者模型
import time def consumer(name): print("%s 准备吃包子啦!" %name) while True: baozi = yield 1 print("包子[%s]来了,被[%s]吃了!" %(baozi,name)) def producer(name): c = consumer('A') c2 = consumer('B') print( c.__next__()) print(c2.__next__()) print("老子开始准备做包子啦!") for i in range(10): time.sleep(1) print("做了2个包子!") c.send(i) c2.send(i) producer("alex")
作者:Lawrence
-------------------------------------------
个性签名:独学而无友,则孤陋而寡闻。做一个灵魂有趣的人!
扫描上面二维码关注我
如果你真心觉得文章写得不错,而且对你有所帮助,那就不妨帮忙“推荐"一下,您的“推荐”和”打赏“将是我最大的写作动力!
本文版权归作者所有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接.