python 迭代器和生成器
1.迭代器协议是指:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,
要么就引起一个StopIteration异常,以终止迭代 (只能往后走不能往前退)
2.可迭代对象:实现了迭代器协议的对象(如何实现:对象内部定义一个__iter__()方法)
3.协议是一种约定,可迭代对象实现了迭代器协议,python的内部工具(如for循环,sum,min,max函数等)使用迭代器协议访问对象。
(字符串,列表,元组,字典,集合,文件对象)这些都不是可迭代对象,只不过在for循环式,
调用了他们内部的__iter__方法,把他们变成了可迭代对象
然后for循环调用可迭代对象的__next__方法去取值,而且for循环会捕捉StopIteration异常,以终止迭代
l = [1,2,3,4] for i in l: print(i) print(l.__iter__()) iter_l = l.__iter__() print(iter_l.__next__()) print(iter_l.__next__()) print(iter_l.__next__()) print(iter_l.__next__())
# 用while 去模拟 for循环做的事 l = [1,2,3,4] iter_l = l.__iter__() while True: try: print(iter_l.__next__()) except StopIteration: print("迭代完毕了,循环结束了") break
什么是生成器?
可以理解为一种数据类型,这种数据类型自动实现了迭代器协议
(其他的数据类型需要调用自己内置的__iter__方法),所以生成器就是可迭代对象
生成器分类及在python中的表现形式:(Python有两种不同的方式提供生成器)
1.生成器函数:常规函数定义,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,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行
2.生成器表达式:类似于列表推导,但是,生成器返回按需产生结果的一个对象,而不是一次构建一个结果列表
为何使用生成器之生成器的优点
Python使用生成器对延迟操作提供了支持。所谓延迟操作,是指在需要的时候才产生结果,而不是立即产生结果。这也是生成器的主要好处。
# 1.生成器函数 def test(): yield 1 yield 2 g = test() print(g) print(g.__next__()) print(g.__next__())
#2.生成器表达式 g1 = ((i for i in range(10))) print(g1) print(g1.__next__()) print(g1.__next__()) print(g1.__next__()) print(g1.__next__())
生成器小结:
1.是可迭代对象
2.实现了延迟计算,省内存啊
3.生成器本质和其他的数据类型一样,都是实现了迭代器协议,只不过生成器附加了一个延迟计算省内存的好处,其余的可迭代对象可没有这点好处
#总结:
#1.把列表解析的[]换成()得到的就是生成器表达式
#2.列表解析与生成器表达式都是一种便利的编程方式,只不过生成器表达式更节省内存
#3.Python不但使用迭代器协议,让for循环变得更加通用。大部分内置函数,也是使用迭代器协议访问对象的。
# 例如, sum函数是Python的内置函数,该函数使用迭代器协议访问对象,而生成器实现了迭代器协议,
# 所以,我们可以直接这样计算一系列值的和:
#列表解析 s = sum([i for i in range(1000000)]) #内存占用大,机器容易卡死 print(s)
#生成器表达式 s1 = sum(i for i in range(1000000)) #几乎不占内存 print(s1)
import time def test(): print("开始生孩子了") print("开始生孩子了") print("开始生孩子了") yield "我" time.sleep(2) print("开始生") yield "小孩" time.sleep(2) print("开始生") yield "孙子" g = test() #生成器函数 print(g.__next__()) #yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行 print(g.__next__()) print(g.__next__())
def t(): for i in range(10): yield i #yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行 g = t() print(g) #生成器函数 print(g.__next__()) #.__next__()执行一次返回一个结果,光标会停在yield的后面 print("可以做别的事情") print(g.__next__()) print("可以做别的事情") print(g.__next__()) print("可以做别的事情") print(g.__next__()) def t1(): for i in range(10): print("111") yield i print("222") g1 = t1() print(g1) print(next(g1)) print(next(g1))
#人口信息.txt文件内容 # {'name':'北京','population':10} # {'name':'南京','population':100000} # {'name':'山东','population':10000} # {'name':'山西','population':19999} def get_provice_population(filename): with open(filename) as f: for line in f: p=eval(line) #字符提为字典 yield p['population'] gen=get_provice_population('人口信息.txt') all_population=sum(gen) for p in gen: print(p/all_population) #执行上面这段代码,将不会有任何输出,这是因为,生成器只能遍历一次。在我们执行sum语句的时候, # 就遍历了我们的生成器,当我们再次遍历我们的生成器的时候,将不会有任何记录。所以,上面的代码不会有任何输出。 #因此,生成器的唯一注意事项就是:生成器只能遍历一次。