python 迭代器与生成器
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python 迭代器与生成器相关的知识,希望对你有一定的参考价值。
将某个数据集内的数据“一个挨着一个的取出来”,就叫做迭代
可以被迭代要满足的要求就叫做可迭代协议,就是内部实现了__iter__方法
print(dir([1,2])) print(dir((2,3))) print(dir({1:2})) print(dir({1,2}))
迭代器遵循迭代器协议:必须拥有__iter__方法和__next__方法
Python中提供的生成器:
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
import time def genrator_fun1(): a = 1 print(‘现在定义了a变量‘) yield a b = 2 print(‘现在又定义了b变量‘) yield b g1 = genrator_fun1() print(‘g1 : ‘,g1) #打印g1可以发现g1就是一个生成器 print(‘-‘*20) #我是华丽的分割线 print(next(g1)) time.sleep(1) #sleep一秒看清执行过程 print(next(g1))
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
sum([x ** 2 for x in xrange(4)])
本章小结
可迭代对象:
拥有__iter__方法
特点:惰性运算
例如:range(),str,list,tuple,dict,set
迭代器Iterator:
拥有__iter__方法和__next__方法
例如:iter(range()),iter(str),iter(list),iter(tuple),iter(dict),iter(set),reversed(list_o),map(func,list_o),filter(func,list_o),file_o
生成器Generator:
本质:迭代器,所以拥有__iter__方法和__next__方法
特点:惰性运算,开发者自定义
使用生成器的优点:
1.延迟计算,一次返回一个结果。也就是说,它不会一次生成所有的结果,这对于大数据量处理,将会非常有用。
#列表解析 sum([i for i in range(100000000)])#内存占用大,机器容易卡死 #生成器表达式 sum(i for i in range(100000000))#几乎不占内存
2.提高代码可读性
以上是关于python 迭代器与生成器的主要内容,如果未能解决你的问题,请参考以下文章