迭代器、生成器、各种推导式

迭代器&生成器

 

一 概要

在了解Python的数据结构时，容器(container)、可迭代对象(iterable)、迭代器(iterator)、生成器(generator)、列表/集合/字典推导式(list,set,dict comprehension)众多概念参杂在一起，难免让初学者一头雾水，我将用一篇文章试图将这些概念以及它们之间的关系捋清楚

 

二 容器(container)

容器是一种把多个元素组织在一起的数据结构，容器中的元素可以逐个地迭代获取，可以用 in , not in 关键字判断元素是否包含在容器中。通常这类数据结构把所有的元素存储在内存中（也有一些特列并不是所有的元素都放在内存）在Python中，常见的容器对象有：

• list, deque, ....
• set, frozensets, ....
• dict, defaultdict, OrderedDict, Counter, ....
• tuple, namedtuple, …
• str

容器比较容易理解，因为你就可以把它看作是一个盒子、一栋房子、一个柜子，里面可以塞任何东西。从技术角度来说，当它可以用来询问某个元素是否包含在其中时，那么这个对象就可以认为是一个容器，比如 list，set，tuples都是容器对象：

尽管绝大多数容器都提供了某种方式来获取其中的每一个元素，但这并不是容器本身提供的能力，而是 可迭代对象 赋予了容器这种能力，当然并不是所有的容器都是可迭代的。

 

三 可迭代对象(iterable)

如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。

刚才说过，很多容器都是可迭代对象，此外还有更多的对象同样也是可迭代对象，比如处于打开状态的files，sockets等等。但凡是可以返回一个 迭代器 的对象都可称之为可迭代对象，听起来可能有点困惑，没关系，可迭代对象与迭代器有一个非常重要的区别。先看一个例子：

这里 x 是一个可迭代对象，可迭代对象和容器一样是一种通俗的叫法，并不是指某种具体的数据类型，list是可迭代对象，dict是可迭代对象，set也是可迭代对象。 y 和 z 是两个独立的迭代器，迭代器内部持有一个状态，该状态用于记录当前迭代所在的位置，以方便下次迭代的时候获取正确的元素。迭代器有一种具体的迭代器类型，比如 list_iterator ， set_iterator 。可迭代对象实现了 __iter__ 和 __next__ 方法（python2中是 next 方法，python3是 __next__ 方法），这两个方法对应内置函数 iter() 和 next() 。 __iter__ 方法返回可迭代对象本身，这使得他既是一个可迭代对象同时也是一个迭代器。

四 迭代器(iterator)

那么什么迭代器呢？它是一个带状态的对象，他能在你调用 next() 方法的时候返回容器中的下一个值，任何实现了 __next__() （python2中实现 next() ）方法的对象都是迭代器，至于它是如何实现的这并不重要。

现在我们就以斐波那契数列()为例，学习为何创建以及如何创建一个迭代器：

著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

def fab(max): 
    n, a, b = 0, 0, 1 
    while n < max: 
        print b 
        a, b = b, a + b 
        n = n + 1

直接在函数fab(max)中用print打印会导致函数的可复用性变差，因为fab返回None。其他函数无法获得fab函数返回的数列。

def fab(max): 
    L = []
    n, a, b = 0, 0, 1 
    while n < max: 
        L.append(b) 
        a, b = b, a + b 
        n = n + 1
    return L

代码2满足了可复用性的需求，但是占用了内存空间，最好不要。

对比for i in range(1000): pass和for i in xrange(1000): pass，前一个返回1000个元素的列表，而后一个在每次迭代中返回一个元素，因此可以使用迭代器来解决复用可占空间的问题

class Fab(object): 
    def __init__(self, max): 
        self.max = max 
        self.n, self.a, self.b = 0, 0, 1 

    def __iter__(self): 
        return self 

    def next(self): 
        if self.n < self.max: 
            r = self.b 
            self.a, self.b = self.b, self.a + self.b 
            self.n = self.n + 1 
            return r 
        raise StopIteration()


'''
>>> for key in Fabs(5):
    print key
1
3
'''

Fabs 类通过 next() 不断返回数列的下一个数，内存占用始终为常数

Fib既是一个可迭代对象（因为它实现了 __iter__ 方法），又是一个迭代器（因为实现了 __next__ 方法）。实例变量 self .a 和 self.b 用户维护迭代器内部的状态。每次调用 next() 方法的时候做两件事：

1. 为下一次调用 next() 方法修改状态
2. 为当前这次调用生成返回结果

迭代器就像一个懒加载的工厂，等到有人需要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。

五 for i in (iterable)的内部实现

在大多数情况下，我们不会一次次调用next方法去取值，而是通过 for i in (iterable)，

       

注意：in后面的对象如果是一个迭代器，内部因为有iter方法才可以进行操作，所以，迭代器协议里面有iter和next两个方法，否则for语句无法应用。

 

注意：

 

1 2	for i in range（10）：         print i     ：定时垃圾回收机制：没有引用指向这个对象，则被回收

 

六 生成器(generator)

      生成器算得上是Python语言中最吸引人的特性之一，生成器其实是一种特殊的迭代器，不过这种迭代器更加优雅。代码3远没有代码1简洁，生成器（yield）既可以保持代码1的简洁性，又可以保持代码3的效果。它不需要再像上面的类一样写 __iter__() 和 __next__() 方法了，只需要一个 yiled 关键字。 生成器有如下特征是它一定也是迭代器（反之不成立），因此任何生成器也是以一种懒加载的模式生成值。用生成器来实现斐波那契数列的例子是：

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1

>>> for n in fab(5):
    print n   
1
1
2
3
5

     fib 就是一个普通的python函数，它特需的地方在于函数体中没有 return 关键字，函数的返回值是一个生成器对象。当执行 f=fib(5) 返回的是一个生成器对象，此时函数体中的代码并不会执行，只有显示或隐示地调用next的时候才会真正执行里面的代码。

     yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

也可以手动调用 fab(5) 的 next() 方法（因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法），这样我们就可以更清楚地看到 fab 的执行流程：

>>> f = fab(3)
>>> f.__next__()
1
>>> f.__next__()
1
>>> f.__next__()
2
>>> f.__next__()
 
Traceback (most recent call last):
  File "<pyshell#62>", line 1, in <module>
    f.next()
StopIteration

 

需要明确的就是生成器也是iterator迭代器，因为它遵循了迭代器协议.

两种创建方式

包含yield的函数

生成器函数跟普通函数只有一点不一样，就是把 return 换成yield,其中yield是一个语法糖，内部实现了迭代器协议，同时保持状态可以挂起。如下:

 

return:

在一个生成器中，如果没有return，则默认执行到函数完毕；如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代.

def f():

    yield 5
    print("ooo")
    return
    yield 6
    print("ppp")
        # if str(tem)=='None':
        #     print("ok")

f=f()
# print(f.__next__())
# print(f.__next__())
for i in f:
    print(i)

'''
return即迭代结束
for不报错的原因是内部处理了迭代结束的这种情况
'''

注意：

文件读取

def read_file(fpath): 
    BLOCK_SIZE = 1024 
    with open(fpath, 'rb') as f: 
        while True: 
            block = f.read(BLOCK_SIZE) 
            if block: 
                yield block 
            else: 
                return

如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取。

 

My:生成器对象就是一种特殊的迭代器对象，满足迭代器协议，可以调用next；对生成器对象for 循环时，调用iter方法返回了生成器对象，然后再不断next迭代，而iter和next都是在yield内部实现的。

练习1：使用文件读取，找出文件中最长的行的？

max(len(x.strip()) for x in open('/hello/abc','r'))

练习2:

def add(s, x):
 return s + x
 
def gen():
 for i in range(4):
  yield i
 
base = gen()
for n in [1, 10]:
 base = (add(i, n) for i in base)
 
print list(base)

'''
核心语句就是:
for n in [1, 10]:
 base = (add(i, n) for i in base)
在执行list(base)的时候，开始检索，然后生成器开始运算了。关键是，这个循环次数是2,也就是说，有两次生成器表达
式的过程。必须牢牢把握住这一点。
生成器返回去开始运算，n = 10而不是1没问题吧，这个在上面提到的文章中已经提到了，就是add(i, n)绑定的是n这个
变量，而不是它当时的数值。
然后首先是第一次生成器表达式的执行过程:base = (10 + 0, 10 + 1, 10 + 2, 10 +3),这是第一次循环的结
果(形象表示，其实已经计算出来了(10,11,12,3))，然后第二次，
base = (10 + 10, 11 + 10, 12 + 10, 13 + 10) ,终于得到结果了[20, 21, 22, 23].
'''

练习3:自定义range

七 生成器的扩展

生成器对象支持几个方法，如gen.next() ,gen.send() ,gen.throw()等。

 由于没有额外的yield，所以将直接抛出StopIteration。

send的工作方式：

def f():
    print("ok")
    s=yield 7
    print(s)
    yield 8

f=f()
print(f.send(None))
print(next(f))

#print(f.send(None))等同于print(next(f)),执行流程:打印ok,yield7,当再next进来时:将None赋值给s,然后返回8,可以通过断点来观察   

协程应用：

      所谓协同程序也就是是可以挂起，恢复，有多个进入点。其实说白了，也就是说多个函数可以同时进行，可以相互之间发送消息等。

import queue
def tt():
    for x in range(4):
        print ('tt'+str(x) )
        yield

def gg():
    for x in range(4):
        print ('xx'+str(x) )
        yield

class Task():
    def __init__(self):
        self._queue = queue.Queue()

    def add(self,gen):
        self._queue.put(gen)

    def run(self):
        while not self._queue.empty():
            for i in range(self._queue.qsize()):
                try:
                    gen= self._queue.get()
                    gen.send(None)
                except StopIteration:
                    pass
                else:
                    self._queue.put(gen)

t=Task()
t.add(tt())
t.add(gg())
t.run()

# tt0
# xx0
# tt1
# xx1
# tt2
# xx2
# tt3
# xx3

七. 列表推导式, 生成器表达式以及其他推导式
我们先看这样的代码, 给出一个列表, 通过循环, 向列表中添加1-13 :
　　lst = []
　　for i in range(1, 15):
　　　　lst.append(i)
　　print(lst)
替换成列表推导式:
　　lst = [i for i in range(1, 15)]
　　print(lst)
列表推导式是通过一行来构建你要的列表, 列表推导式看起来代码简单. 但是出现错误之后很难排查.
列表推导式的常用写法:
　　[ 结果 for 变量 in 可迭代对象]
　　例. 从python1期到python14期写入列表lst:
　　lst = ['python%s' % i for i in range(1,15)]
　　print(lst)
我们还可以对列表中的数据进行筛选
筛选模式:
　　[ 结果 for 变量 in 可迭代对象 if 条件 ]
　　# 获取1-100内所有的偶数
　　lst = [i for i in range(1, 100) if i % 2 == 0]
　　print(lst)
生成器表达式和列表推导式的语法基本上是一样的. 只是把[]替换成()
　　gen = (i for i in range(10))
　　print(gen)
　　结果:
　　<generator object <genexpr> at 0x106768f10>
打印的结果就是一个生成器. 我们可以使用for循环来循环这个生成器:
　　gen = ("麻花藤我第%s次爱你" % i for i in range(10))
　　for i in gen:
　　　　print(i)
生成器表达式也可以进行筛选:
　　# 获取1-100内能被3整除的数
　　gen = (i for i in range(1,100) if i % 3 == 0)
　　for num in gen:
　　　　print(num)
　　# 100以内能被3整除的数的平方
　　gen = (i * i for i in range(100) if i % 3 == 0)
　　for num in gen:
　　　　print(num)
　　# 寻找名字中带有两个e的人的名字
　　names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven','Joe'],['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
　　# 不用推导式和表达式
　　result = []
　　for first in names:
　　　　for name in first:
　　　　　　if name.count("e") >= 2:
　　　　　　　　result.append(name)
　　print(result)
　　# 推导式
　　gen = (name for first in names for name in first if name.count("e") >= 2)
　　for name in gen:
　　　　print(name)
生成器表达式和列表推导式的区别:
　　1. 列表推导式比较耗内存. 一次性加载. 生成器表达式几乎不占内存. 使用的时候才分配和使用内存
　　2. 得到的值不一样. 列表推导式得到的是一个列表. 生成器表达式获取的是一个生成器.
举个栗子.
　　同样一篮鸡蛋. 列表推导式: 直接拿到一篮鸡蛋.生成器表达式: 拿到一个老母鸡. 需要鸡蛋就给你下鸡蛋.
生成器的惰性机制: 生成器只有在访问的时候才取值. 说白了. 你找他要他才给你值. 不找他要. 他是不会执行的.
　　def func():
　　　　print(111)
　　　　yield 222
　　g = func() # 生成器g
　　g1 = (i for i in g) # 生成器g1. 但是g1的数据来源于g
　　g2 = (i for i in g1) #生成器g2. 来源g1
　　print(list(g)) # 获取g中的数据. 这时func()才会被执行. 打印111.获取到222. g完毕.
　　print(list(g1)) # 获取g1中的数据. g1的数据来源是g. 但是g已经取完了. g1 也就没有数据了
　　print(list(g2)) # 和g1同理
深坑==> 生成器. 要值的时候才拿值.
字典推导式:
　　根据名字应该也能猜到. 推到出来的是字典
　　# 把字典中的key和value互换
　　dic = {'a': 1, 'b': '2'}
　　new_dic = {dic[key]: key for key in dic}
　　print(new_dic)
　　# 在以下list中. 从lst1中获取的数据和lst2中相对应的位置的数据组成一个新字典
　　lst1 = ['jay', 'jj', 'sylar']
　　lst2 = ['周杰伦', '林俊杰', '邱彦涛']
　　dic = {lst1[i]: lst2[i] for i in range(len(lst1))}
　　print(dic)
集合推导式:
　　集合推导式可以帮我们直接生成一个集合. 集合的特点:无序, 不重复. 所以集合推导式自带去重功能
　　lst = [1, -1, 8, -8, 12]
　　# 绝对值去重
　　s = {abs(i) for i in lst}
　　print(s)
总结: 推导式有, 列表推导式, 字典推导式, 集合推导式, 没有元组推导式
　　生成器表达式: (结果 for 变量 in 可迭代对象 if 条件筛选)
　　生成器表达式可以直接获取到⽣成器对象. 生成器对象可以直接进行for循环. 生成器具有惰性机制.
一个面试题. 难度系数500000000颗星:
　　def add(a, b):
　　　　return a + b
　　def test():
　　　　for r_i in range(4):
　　　　　　yield r_i
　　g = test()
　　for n in [2, 10]:
　　　　g = (add(n, i) for i in g)
　　print(list(g))  #[20,21,22,23]
　　友情提示: 惰性机制, 不到最后不会拿值

 

参考：

     http://anandology.com/python-practice-book/iterators.html 

     http://www.cnblogs.com/kaituorensheng/p/3826911.html

     http://www.jb51.net/article/80740.htm

     http://www.open-open.com/lib/view/open1463668934647.html