@@@文章内容参照老男孩教育 Alex金角大王,武Sir银角大王@@@
一、生成器
列表生成式
1 a = [i * 2 for i in range(10)] 2 print(a) 3 # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
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，那后面绝大数元素占用的空间都是浪费的。
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
1 #列表生成式 2 a = [i * 2 for i in range(10)] 3 print(a) 4 # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18] 5 6 # 生成器 7 b = (i * 2 for i in range(10)) 8 print(b) 9 # <generator object <genexpr> at 0x0000024FA5F49888> 10 #创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。 11 #我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？ 12 #如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值： 13 # 取元素 14 print(b.__next__()) # 0 15 print(b.__next__()) # 2 16 print(b.__next__()) # 4 17 print(b.__next__()) # 6 18 print(b.__next__()) # 8 19 print(b.__next__()) # 10 20 print(b.__next__()) # 12 21 print(b.__next__()) # 14 22 print(b.__next__()) # 16 23 print(b.__next__()) # 18 24 print(b.__next__()) 25 # Traceback (most recent call last): 26 # File "<>", line 22, in <module> 27 # StopIteration 28 #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， 29 # 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。 30 # 正确的方法是使用for循环，因为generator也是可迭代对象： 31 g = (i * 2 for i in range(10)) 32 for i in g: 33 print(i)
generator非常强大，如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波那契数列(Fibonacci)，除第一和第二个数外，任意一个数都可由前两个数相加得到：
1，1，2，3，5，8，13，21，34，55，......
1 # 斐波那契 2 def fibo(max): 3 n, a, b = 0, 0, 1 4 while n < max: 5 print(b) 6 a, b = b, a + b 7 n += 1 8 return ‘done‘ 9 10 fibo(10) 11 12 # yield 生成器 13 def fibo(max): 14 n, a, b = 0, 0, 1 15 while n < max: 16 yield b 17 a, b = b, a + b 18 n += 1 19 return ‘done‘ 20 21 f = fibo(10) 22 print(f) # <generator object fibo at 0x00000163D8899888> 23 24 for i in fibo(10): 25 print(i) 26 27 # 但是用for循环调用generator时，发现拿不到generator的return语句的返回值。 28 # 如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中： 29 while True: 30 try: 31 x = next(f) 32 print(x) 33 except StopIteration as e: 34 print(e.value) 35 break
1 import time 2 def consumer(name): 3 print(‘%s 准备吃包子啦！‘ %name) 4 while True: 5 baozi = yield 6 print(‘包子[%s]来了，被[%s]吃了！‘ %(baozi,name)) 7 8 def producer(name): 9 a = consumer(‘A‘) 10 b = consumer(‘B‘) 11 a.__next__() 12 b.__next__() 13 print(‘开始准备做包子啦‘) 14 for i in range(1,11): 15 time.sleep(1) 16 print(‘做了2个包子‘) 17 a.send(i) 18 b.send(i) 19 20 producer(‘abc‘)
二、迭代器
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是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。可以使用isinstance()判断一个对象是否是Iterable对象：
1 from collections import Iterable 2 print(isinstance([],Iterable)) # True 3 4 print(isinstance({},Iterable)) # True 5 6 print(isinstance(‘abc‘,Iterable)) # True 7 8 print(isinstance((x for x in range(10)),Iterable)) # True 9 10 print(isinstance(100,Iterable)) # False
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
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：
1 from collections import Iterator 2 3 print(isinstance((x for x in range(10)),Iterator)) # True 4 5 print(isinstance([],Iterator)) # False 6 7 print(isinstance({},Iterator)) # False 8 9 print(isinstance(‘abc‘,Iterator)) # False 10 11 # 生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator 12 # 把list、dict、str等Iterable变成Iterator可以使用iter()函数 13 print(isinstance(iter([]),Iterator)) # True 14 15 print(isinstance(iter(‘abc‘),Iterator)) # True
小结
凡是可以作用于for循环的对象都是Iterable类型；
凡是可以作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。