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。

参照:

http://python.jobbole.com/81911/

http://www.cnblogs.com/kaituorensheng/p/3826911.html

 

一、迭代器

迭代器是访问集合元素的一种方式。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,不过这也没什么,因为人们很少在迭代途中往后退。

1、迭代器的优点

  对于原生支持随机访问的数据结构(如tuple、list),迭代器和经典for循环的索引访问相比并无优势,反而丢失了索引值(可以使用内建函数enumerate()找回这个索引值)。但对于无法随机访问的数据结构(比如set)而言,迭代器是唯一的访问元素的方式,迭代器就是一个包含了next函数的类。

      另外,迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素,而在这之前或之后,元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合,比如几个G的文件,或是斐波那契数列等等。

      迭代器更大的功劳是提供了一个统一的访问集合的接口,只要定义了__iter__()方法对象,就可以使用迭代器访问,python处理迭代器越界是抛出StopIteration异常。

迭代器有两个基本的方法

  • next方法:返回迭代器的下一个元素
  • __iter__方法:返回迭代器对象本身

下面用生成斐波那契数列为例子,说明为何用迭代器:

# 此种方法占用了内存资源
def fab(max):
    n, a, b = 0, 0, 1
    l=[]
    while n < max:
        a, b = b, a + b
        l.append(b)
        n = n + 1
    return l
# 可以使用迭代器来解决复占空间的问题
class Fab(object):
    def __init__(self, max):
        self.max = max
        self.n, self.a, self.b = 0, 0, 1
    def __iter__(self):
        return self
    def next(self):
        if self.n < self.max:
            r = self.b
            self.a, self.b = self.b, self.a + self.b
            self.n = self.n + 1
            return r
        raise StopIteration()
# 执行代码
from 迭代器 import fab
for k in fab(5):
    print(k)
# 使用内建的工厂函数iter(iterable)可以获取迭代器对象:
for i in iter(fab):
    print(i)

二、生成器

带有 yield 的函数在 Python 中被称之为 generator(生成器函数),生成器表达式能做的事情列表解析基本都能处理,只不过在需要处理的序列比较大时,列表解析比较费内存。

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        # 每次执行到yield时停止,返回yield后变量的当前值
        yield b
        a, b = b, a + b
        n = n + 1

  简单地讲,yield 的作用就是把一个函数变成一个 generator,带有 yield 的函数不再是一个普通函数,Python 解释器会将其视为一个 generator,调用 fab(5) 不会执行 fab 函数,而是返回一个 iterable 对象!在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到 yield b 时,fab 函数就返回一个迭代值,下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。

在一个生成器中,如果没有return,则默认执行到函数完毕;如果遇到return,如果在执行过程中 return,则直接抛出 StopIteration 终止迭代

def g2():
    yield a
    return
    yield b

g=g2()
#程序停留在执行完yield ‘a‘语句后的位置。
next(g)  
#程序发现下一条语句是return,
# 所以抛出StopIteration异常,这样yield ‘b‘语句永远也不会执行。
next(g)  

生成器支持的方法

def g4():
    yield 1
    yield 2
    yield 3
print(dir(g4()))
[__class__, __del__, __delattr__, __dir__, 
 __doc__, __eq__, __format__, __ge__, __getattribute__,
 __gt__, __hash__, __init__, __iter__, __le__, __lt__,
 __name__, __ne__, __new__, __next__, __qualname__,
 __reduce__, __reduce_ex__, __repr__, __setattr__, __sizeof__, 
 __str__, __subclasshook__, close, gi_code, gi_frame,
 gi_running, gi_yieldfrom, send, throw]

close()

手动关闭生成器函数,后面的调用会直接返回StopIteration异常

def g4():
    yield 1
    yield 2
    yield 3
g=g4()
next(g)
g.close() 
next(g)
#关闭后,yield 2和yield 3语句将不再起作用
Traceback (most recent call last):File "<stdin>", line 1, in <module>
StopIteration

send()

生成器函数最大的特点是可以接受外部传入的一个变量,并根据变量内容计算结果后返回。这是生成器函数最难理解的地方,也是最重要的地方,实现后面我会讲到的协程就全靠它了。

  • 通过g.send(None)或者next(g)可以启动生成器函数,并执行到第一个yield语句结束的位置。此时,执行完了yield语句,但是没有给receive赋值。yield value会输出初始值0注意:在启动生成器函数时只能send(None),如果试图输入其它的值都会得到错误提示信息。
  • 通过g.send(‘aaa’),会传入aaa,并赋值给receive,然后计算出value的值,并回到while头部,执行yield value语句有停止。此时yield value会输出”got: aaa”,然后挂起。
  • 通过g.send(3),会重复第2步,最后输出结果为”got: 3″
  • 当我们g.send(‘end’)时,程序会执行break然后推出循环,最后整个函数执行完毕,所以会得到StopIteration异常。
def gen():
    value=0
    while True:
        receive=yield value
        if receive==end:
            break
        value = got: %s % receive

g=gen()
print(g.send(None))
print(g.send(aaa))
print(g.send(3))
print(g.send(end))

throw()

用来向生成器函数送入一个异常,可以结束系统定义的异常,或者自定义的异常。throw()后直接跑出异常并结束程序,或者消耗掉一个yield,或者在没有下一个yield的时候直接进行到程序的结尾。

  • print(next(g)):会输出normal value,并停留在yield ‘normal value 2’之前。
  • 由于执行了g.throw(ValueError),所以会跳过所有后续的try语句,也就是说yield ‘normal value 2’不会被执行,然后进入到except语句,打印出we got ValueError here。然后再次进入到while语句部分,消耗一个yield,所以会输出normal value。
  • print(next(g)),会执行yield ‘normal value 2’语句,并停留在执行完该语句后的位置。
  • g.throw(TypeError):会跳出try语句,从而print(‘here’)不会被执行,然后执行break语句,跳出while循环,然后到达程序结尾,所以跑出StopIteration异常。
def gen():
    while True: 
        try:
            yield normal value
            yield normal value 2
            print(here)
        except ValueError:
            print(we got ValueError here)
        except TypeError:
            break
 
g=gen()
print(next(g))
print(g.throw(ValueError))
print(next(g))
print(g.throw(TypeError))

总结:

按照鸭子模型理论,生成器就是一种迭代器,可以使用for进行迭代。

第一次执行next(generator)时,会执行完yield语句后程序进行挂起,所有的参数和状态会进行保存。再一次执行next(generator)时,会从挂起的状态开始往后执行。在遇到程序的结尾或者遇到StopIteration时,循环结束。

可以通过generator.send(arg)来传入参数,这是协程模型。

可以通过generator.throw(exception)来传入一个异常。throw语句会消耗掉一个yield。可以通过generator.close()来手动关闭生成器。

next()等价于send(None)

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

python 基础篇 13 迭代器与生成器

Python迭代器与生成器

第五篇Python之迭代器与生成器

Python迭代器与生成器

Python迭代器与生成器

python---迭代器与生成器