Lesson 023 —— python 迭代器与生成器

Posted 2021-01-17 酒心粽子君

Lesson 023 —— python 迭代器与生成器

迭代器

迭代是Python最强大的功能之一，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。

迭代器有两个基本的方法：iter() 和 next()。

字符串，列表或元组对象都可用于创建迭代器：

>>>list=[1,2,3,4]
>>> it = iter(list)    # 创建迭代器对象
>>> print (next(it))   # 输出迭代器的下一个元素
1
>>> print (next(it))
2

迭代器对象可以使用常规for语句进行遍历(for 调用列表内部的__iter__() 方法，生成可迭代对象，进行迭代，并捕获 StopIteration 异常，结束迭代)，for 语句是基于迭代器协议的：

list=[1,2,3,4]
## it = iter(list)    # 创建迭代器对象
## for x in it:
for x in list:   # 相当于上面两步，即 list=list.__iter__();x=list.__next__()
    print (x, end=" ")

# 结果
1 2 3 4

也可以使用 next() 函数（next() 函数实际调用的是数据类型的 __next__() 方法；下列 while 循环部分及异常处理与 for 循环功能一样）：

import sys         # 引入 sys 模块
 
list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象
 
while True:
    try:
        print (next(it))
    except StopIteration:
        sys.exit()
        
# 结果
1
2
3
4

创建迭代器对象

把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__() 。

__iter__() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。

__next__() 方法（Python 2 里是 next()）会返回下一个迭代器对象。

创建一个返回数字的迭代器，初始值为 1，逐步递增 1：

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    x = self.a
    self.a += 1
    return x
 
myclass = MyNumbers()
myiter = iter(myclass)
 
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))

# 结果
1
2
3
4
5

StopIteration

StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 __next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

在 20 次迭代后停止执行：

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    if self.a <= 20:
      x = self.a
      self.a += 1
      return x
    else:
      raise StopIteration
 
myclass = MyNumbers()
myiter = iter(myclass)
 
for x in myiter:   # for 捕获到异常，然后处理，结束循环
  print(x)

生成器

在 Python 中，使用了 yield 的函数被称为生成器（generator）。

跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。

调用一个生成器函数，返回的是一个迭代器对象。

以下实例使用 yield 实现斐波那契数列：

import sys
 
def fibonacci(n): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if (counter > n): 
            return
        yield a
        a, b = b, a + b
        counter += 1
f = fibonacci(10) # f 是一个迭代器，由生成器返回生成
 
while True:
    try:
        print (next(f), end=" ")
    except StopIteration:
        sys.exit()
        
# 结果
0 1 1 2 3 5 8 13 21 34 55

生成器的两种表现形式

1. 生成器函数：使用 yield 而不是 return 返回结果，每一次返回一个结果，在结果中间挂起函数状态，以便下一次从它离开的地方继续执行。例子如上。

2. 生成器表达式：类似于列表推导，但是，生成器返回一个按需产生结果的对象，而不是按需构建一个列表；生成器表达式比生成器函数更加节省内存。

   laomuji = (‘鸡蛋%s‘ %i for i in range(10) if i<5)
   print(laomuji)
   print(next(laomuji))   # 实际调用 __next__ 方法
   print(next(laomuji))
   
   # 结果
   <generator object <genexpr> at 0x7f74f3983750>
   鸡蛋0
   鸡蛋1

三元运算与列表解析

三元运算又称三目运算，是对简单的条件语句的简写

简单条件语句：

if 条件成立:
    val = 1
else:
    val = 2

写成三元运算：

val = 1 if 条件成立 else 2

列表解析：

egg = []
for i in range(10):
    egg.apppend(‘鸡蛋%s‘ %i)
print(egg)

# 改写
egg = [‘鸡蛋%s‘ %i for i in range(10)]
egg1 = [‘鸡蛋%s‘ %i for i in range(10) if i<5]
print(egg)
print(egg1)

# 结果
[‘鸡蛋0‘, ‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘, ‘鸡蛋5‘, ‘鸡蛋6‘, ‘鸡蛋7‘, ‘鸡蛋8‘, ‘鸡蛋9‘]
[‘鸡蛋0‘, ‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘]