十分钟学会python迭代器和生成器

迭代器

在Python中，迭代器是遵循迭代协议的对象。使用iter()从任何序列对象中得到迭代器（如list, tuple, dictionary, set等）。另一种形式的输入迭代器是generator（生成器）。

python中，任意对象，只要定义了next方法，它就是一个迭代器。因此，python中的容器如列表、元组、字典、集合、字符串都可以被称作迭代器。

我们在使用for语句的时候，for 语句会调用容器对象中的 iter()。该函数返回一个定义了 next() 方法的迭代器对象，该方法将逐一访问容器中的元素。当元素用尽时，next() 将引发 StopIteration 异常来通知终止 for 循环。你可以使用 next() 内置函数来调用 next() 方法；这个例子显示了它的运作方式:

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

>>> s = 'abc' >>> it = iter(s) >>> it <iterator object at 0x00A1DB50> >>> next(it) 'a' >>> next(it) 'b' >>> next(it) 'c' >>> next(it) Traceback (most recent call last):   File "<stdin>", line 1, in <module> next(it) StopIteration

　　

所以说迭代就是从迭代器中取元素的过程。

比如我们用for循环从列表[中取元素，这种遍历过程就被称作迭代。

创建一个迭代器

把一个类作为一个迭代器使用需要在类中实现两个方法 iter() 与 next() 。

类都有一个构造函数，Python 的构造函数为 init(), 它会在对象初始化的时候执行。

iter() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 next() 方法并通过 StopIteration 异常标识迭代的完成。

next() 方法（Python 2 里是 next()）会返回下一个迭代器对象。

StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 next() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

class MyNumbers:   def __iter__(self):     self.a = 1     return self ​   def __next__(self):     if self.a <= 20:       x = self.a       self.a += 1       return x     else:       raise StopIteration ​ myclass = MyNumbers() myiter = iter(myclass) ​ print(next(myiter))#1 print(next(myiter))#2 print(next(myiter))#3 ...到20停止

　　

生成器

通过列表生成式，我们可以直接创建一个列表。
但是，受到内存限制，列表容量肯定是有限的。
而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？
这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器（Generator）。

使用了 yield 的函数被称为生成器（generator）。调用一个生成器函数，返回的是一个迭代器对象。但是你只能对其迭代一次。这是因为它们并没有把所有的值存在内存中，而是在运行时生成值。

在调用生成器运行的过程中，每次遇到 yield 时函数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。以下实例使用 yield 实现斐波那契数列：：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

import sys ​ def fibonacci(n): # 生成器函数 - 斐波那契     a, b, counter = 0, 1, 0     while True:         if (counter > n):             return         yield a         a, b = b, a + b         counter += 1 f = fibonacci(10) # f 是一个迭代器，由生成器返回生成 ​ while True:     try:         print (next(f), end=" ")     except StopIteration:         sys.exit()

　　

生成器表达式

某些简单的生成器可以写成简洁的表达式代码，所用语法类似列表推导式，将外层为圆括号而非方括号。这种表达式被设计用于生成器将立即被外层函数所使用的情况。生成器表达式相比完整的生成器更紧凑但较不灵活，相比等效的列表推导式则更为节省内存。

例如:

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

>>> sum(i*i for i in range(10))                 # sum of squares 285 ​ >>> xvec = [10, 20, 30] >>> yvec = [7, 5, 3] >>> sum(x*y for x,y in zip(xvec, yvec))         # dot product 260 ​ >>> from math import pi, sin >>> sine_table = {x: sin(x*pi/180) for x in range(0, 91)} ​ >>> unique_words = set(word  for line in page  for word in line.split()) ​ >>> valedictorian = max((student.gpa, student.name) for student in graduates) ​ >>> data = 'golf' >>> list(data[i] for i in range(len(data)-1, -1, -1)) ['f', 'l', 'o', 'g']

　　

-END-

创作不易，关注是对作者最好的鼓励

在公众号后台回复“开发教程”获取最新开发教程