Python生成器与迭代器 Python生成器与迭代器详情
一碗周 人气:01、生成器
现在可以通过生成器来直接创建一个列表，但是由于内存的限制，列表的容量肯定是有限的，如果我们需要一个包含几百个元素的列表，但是每次访问的时候只访问其中的几个，那剩下的元素不使用就很浪费内存空间。
这个时候生成器（Generator）就起到了作用，他是按照某种算法不断生成新的数据，直到满足某一个指定的条件结束
得到生成式的方式有如下几种：
通过列表生成式来得到生成器，示例代码如下：
g = (x for x in range(10)) # 将列表生成列的[]改变成为() # 打印其类型 print(type(g)) # <class 'generator'> # 调用其元素 print(g.__next__()) # 0 print(g.__next__()) # 1 print(g.__next__()) # 2 print(g.__next__()) # 3 print(g.__next__()) # 4 # 使用.__next__的方式调用 print(next(g)) # 5 print(next(g)) # 6 print(next(g)) # 7 print(next(g)) # 8 print(next(g)) # 9 # 使用next()的方法调用 print(next(g)) # 当数据调用不到时会报出错误 StopIteration
需要多少调用多少，不调用的不会生成，也就不会占用内存空间，可以使用循环结构来按照需要来调用
g = (x for x in range(10)) # 将列表生成列的[]改变成为()
skip = True # 判断条件
count = 0 # 调用次数
while skip:
count += 1 # 循环一次+1
print(next(g))
if count > 9:
break # 跳出循环
使用函数借助yield关键字来完成一个生成器，生成斐波那契数列的前20个数，示例代码如下：
def fun(length):
a, b = 0, 1
for _ in range(length):
a, b = b, a + b
yield a
fib = fun(20)
print(type(fib)) # <class 'generator'> # 打印类型
count = 0
while count < 20:
# 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181 6765
print(next(fib), "", end="")
count += 1
流程如下：
在执行过程中，遇到yield关键字就会暂停执行，下次调用则继续从上次暂停的位置继续执行，因为是一个循环语句，所有会直接跳到for语句
如果在调用yield，需要给它传值，就要使用.send()方法了。
示例代码如下：
def fun(num):
n = 0
for i in range(num + 1):
n += i
ret = yield n
print(f"这是+到{ret}的第{i + 1} 次")
g = fun(3)
print(g.send(None))
print(g.send('3'))
print(g.send('3'))
print(g.send('3'))
'''
---输出结果---
0
这是+到 3 的第 1 次
1
这是+到 3 的第 2 次
3
这是+到 3 的第 3 次
6
'''
send的加入可以使生成器更加灵活，但是需要注意的是第一次调用生成器的send()方法时，参数只能为None，否则会抛出异常。当然也可以在调用send()方法之前先调用一次next()方法，目的是让生成器先进入yield表达式。
2、迭代器与可迭代的生成器
可迭代的对象有生成器、元组、列表、集合、字典和字符串等
通过collections的Iterable函数结合isinstance(object, classinfo)来判断一个对象时不是可迭代的对象
迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。很生成器也是迭代器。
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 ，可以使用isinstance()判断一个对象是否是Iterator对象：
注意：可迭代的不一定是生成器，但是生成器一定第可迭代的。
把元组、列表、集合、字典和字符串等Iterable变成Iterator可以使用iter()函数
Iterable和Iterator****的区别是Iterable是可以作为for循环对象的统称；而Iterator对象需要被next()函数调用才不断返回下一个数据，直到没有数据时抛出StopIteration错误，而在这之前是不会知道其长度的，所以Iterator的计算是惰性的，只有next()函数叫他才会返回结果，Iterator甚至可以表示一个无限大的数据流，例如全体自然数。
from collections.abc import Iterable, Iterator
a = [1, 2, 3]
b = {1, 2, 3}
c = (1, 2, 3)
d = "123"
e = 123
f = (x for x in range(5))
# 打印数据类型
print(type(a)) # <class 'list'>
print(type(b)) # <class 'set'>
print(type(c)) # <class 'tuple'>
print(type(d)) # <class 'str'>
print(type(e)) # <class 'int'>
print(type(f)) # <class 'generator'>
print("-" * 20)
# 打印是否为可迭代对象
print(isinstance(a, Iterable)) # True
print(isinstance(b, Iterable)) # True
print(isinstance(c, Iterable)) # True
print(isinstance(d, Iterable)) # True
print(isinstance(e, Iterable)) # False
print(isinstance(f, Iterable)) # True
print("-" * 20)
# 除了字符串都是可迭代对象
# 打印是否是迭代器
print(isinstance(a, Iterator)) # False
print(isinstance(b, Iterator)) # False
print(isinstance(c, Iterator)) # False
print(isinstance(d, Iterator)) # False
print(isinstance(f, Iterator)) # True
# 只有f(生成器)是迭代器
print("-" * 20)
# 通过iter()将可迭代转换为迭代器
print(isinstance(iter(a), Iterator)) # True
print(isinstance(iter(b), Iterator)) # True
print(isinstance(iter(c), Iterator)) # True
print(isinstance(iter(d), Iterator)) # True
加载全部内容