生成器与迭代器
一、生成器 (generator)
通过列表生成式,我们可以直接创建一个列表,但列表在内存中受到容量的限制,比如我们创建一个100万个元素的列表,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,后面的元素占用的空间就白白浪费了。
如果列表元素可以按照某种算法推算出来,按照这种算法在循环过程中不断推算出后续的元素,这样就不必创建完整的list,从而节省大量的空间,python中这种一边循环一边计算的机制,就称为生成器(generator)
例:
g = ( i for i in range(10) ) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__())
生成器特性:
- 只有在调用时才会生成相应的数据
- 通过next方法调用。 #2.x中next的使用方法为next()
- 生成器(generator)保存的是算法,每次调用next(g),就计算出g的下一个元素的值,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。
生成器定义的方法:
- 只要把一个列表生成式的[]改成(),就创建了一个generator
- 如果一个函数定义中包含yield关键字,那么这个函数就不再是一个普通函数,而是一个generator
通常基本不会使用next方法来调用,而是通过for循环来来迭代。
g = ( i for i in range(10) ) for gen in g: print(gen)
二、迭代器
可以直接作用于for循环的数据类型有:
- 集合数据类型,如list、tuple、dict、set、str等
- 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(Iterable),也可以理解为可循环对象。可以使用内置函数isinstance()判断一个对视是否是可迭代对象:
例:
>>> from collections import Iterable >>> isinstance([], Iterable) True >>> isinstance({}, Iterable) True >>> isinstance('abc', Iterable) True >>> isinstance((x for x in range(10)), Iterable) True >>> isinstance(100, Iterable) False
迭代器的定义:
**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(Iterator)。
同样以使用内置函数isinstance()判断一个对视是否是迭代对象
例:
>>> from collections import Iterator >>> isinstance((x for x in range(10)), Iterator) True >>> isinstance([], Iterator) False >>> isinstance({}, Iterator) False >>> isinstance('string', Iterator) False
生成器都是迭代器对象,但list、dict、str虽然是可迭代对象,却不是迭代器
小结:
- 凡是可作用于for循环的对象都是可迭代对象(Iterable);
- 凡是可作用于next()函数的对象都是迭代器(Iterator)类型,他们表示一个惰性的计算序列;
- 集合类型如list、dict、str等虽然是Iterable但不是Iterator ; 但可以通过Iter()函数获得一个Iterator对象。
**python的for循环本质上就是通过不断调用next()函数实现的。
如:
for x in [1,2,3,4,5]: pass 实际完全等价于: it = iter([1,2,3,4,5]) while True: try: # 获得下一个值: x = next(it) except StopIteration: # 遇到StopIteration就退出循环 break