Python之迭代器和生成器

Posted 2020-11-01 shadow3

                                                     迭代器

一 迭代

# 迭代是一个重复的过程，每次重复即一次迭代，并且每次迭代的结果都是下一次迭代的初始值

while True:  # 只是单纯地重复，因而不是迭代
    print(‘===>‘)

li = [1, 2, 3]
count = 0
while count < len(li):  # 迭代
    print(li[count])
    count += 1

 

二 迭代器

#1. 迭代器
    对于 字符串，列表，元组，我们可使用索引的方式迭代取出其包含的元素。但对于 字典，集合，文件等类型是
没有索引的，若还想取出其 内部包含的元素，则需要一种 不依赖索引的迭代方式，这就是 迭代器


#2. 可迭代对象
    可迭代对象： 内置有 __iter__ 方法的对象。即obj.__iter__

    如下：
       ‘hello‘.__iter__
       (1,2,3).__iter__
       [1,2,3].__iter__


#3. 迭代器
    迭代器对象：即内置有 __iter__又内置有__next__方法的对象。

    文件类型是迭代器对象
        open(‘a.txt‘).__iter__()
        open(‘a.txt‘).__next__()


#4. 注意
    迭代器对象一定是可迭代对象，而可迭代对象不一定是迭代器对象

 

三 迭代器的使用

dic = {‘a‘: 1, ‘b‘: 2, ‘c‘: 3}
iter_dic = dic.__iter__()  # 得到迭代器对象，迭代器对象即有__iter__又有__next__，但是：迭代器.__iter__()得到的仍然是迭代器本身
iter_dic.__iter__() is iter_dic  # True

print(iter_dic.__next__())  # 等同于next(iter_dic)
print(iter_dic.__next__())  # 等同于next(iter_dic)
print(iter_dic.__next__())  # 等同于next(iter_dic)
# print(iter_dic.__next__()) #抛出异常StopIteration，或者说结束标志

# 有了迭代器，我们就可以不依赖索引迭代取值了
iter_dic = dic.__iter__()
while 1:
    try:
        k = next(iter_dic)
        print(dic[k])
    except StopIteration:
        break

# 这么写太丑陋了，需要我们自己捕捉异常，控制next，python能用 for循环解决

View Code

 

四 for循环

# 基于for循环，我们可以完全不再依赖索引去取值了
dic = {‘a‘: 1, ‘b‘: 2, ‘c‘: 3}
for k in dic:
    print(dic[k])

# for循环的工作原理
       1：执行in后对象的dic.__iter__()方法，得到一个迭代器对象iter_dic
       2: 执行next(iter_dic),将得到的值赋值给k,然后执行循环体代码
       3: 重复过程2，直到捕捉到异常StopIteration,结束循环

 

五 迭代器的特点

#优点：
    - 提供一种统一的，不依赖于索引的迭代方式
    - 惰性计算，节省内存

#缺点：
    - 无法获取长度(只有在next完毕才知道到底有几个值)
    - 只能往后走，不能往前退

 

 

                                                    

                                                      生成器

 一 生成器

函数内部包含yield 被称为生成器（generator）,并且不会执行函数内部代码

 

def func():
    print(‘====>first‘)
    yield 1
    print(‘====>second‘)
    yield 2
    print(‘====>third‘)
    yield 3
    print(‘====>end‘)


g = func()
print(g)  # <generator object func at 0x00846BD0>

# 生成器就是迭代器
print(g.__iter__)
print(g.__next__)

示例

# 验证 生成器也是一个迭代器
from collections import Iterator


def test():
    print(‘first‘)
    yield 1  # 相当于1


g = test()
# print(g)

print(isinstance(g, Iterator))

#结果
    True

验证生成器是迭代器

 

二 生成器与 return有何区别

    #return只能一次性返回，而yield能返回多次值，可以挂起/保存函数的运行状态

 

 

#yield 到底进行了什么操作
      1. yield把函数变成生成器 ---》因此，也是迭代器（生成器也是个迭代器）
      2. 用return返回值能返回一次，而yield返回多次
      3. 函数在暂停以及继续下一次运行时的状态是由yield保存

 

例子：

1. yield的  add

def add(n, i):
    return n + i


def test():
    for i in range(4):
        yield i


g = test()

for n in [1, 10]:
    g = (add(n, i) for i in g)

## n = 1
# #g = (add(n,i) for i in g)  #[1, 2, 3, 4]
# #n = 10
# #g1 = (add(n,i) for i in  (add(n,i) for i in g))
# #          #此处的n=10                 #10,11.12.13
print(list(g))

# 结果
    [20, 21, 22, 23]

View Code

 

2.有无直接next( )

a. 有直接

# 有直接 next（e）

def eater(name):
    print(‘{} start to eat food ‘.format(name))
    food_list = []
    while True:
        food = yield food_list
        print(‘{} get {},to start eat‘.format(name, food))
        food_list.append(food)


e = eater(‘汤姆‘)

next(e)  # 执行这一步！！！！！！
print(e.send(‘铁观音‘))
print(e.send(‘西瓜‘))
print(e.send(‘烧饼‘))

View Code

 

b. 有直接

# 无next()

def init(func):  # 在此添加 装饰器，以替代 next(e)
    def wrapper(*args, **kwargs):
        res = func(*args, **kwargs)
        next(res)
        return res

    return wrapper


@init  # eater = init(eater)
def eater(name):
    print(‘{} start to eat food ‘.format(name))
    food_list = []
    while True:
        food = yield food_list
        print(‘{} get {},to start eat‘.format(name, food))
        food_list.append(food)


e = eater(‘汤姆‘)

# next(e)   #不在此执行这一步
print(e.send(‘铁观音‘))
print(e.send(‘西瓜‘))
print(e.send(‘烧饼‘))

View Code

 

得到同样的结果：

‘‘‘
汤姆 start to eat food 
汤姆 get 铁观音,to start eat
[‘铁观音‘]
汤姆 get 西瓜,to start eat
[‘铁观音‘, ‘西瓜‘]
汤姆 get 烧饼,to start eat
[‘铁观音‘, ‘西瓜‘, ‘烧饼‘]
‘‘‘