第八章 Python可迭代对象迭代器和生成器

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了第八章 Python可迭代对象迭代器和生成器相关的知识,希望对你有一定的参考价值。

8.1 可迭代对象(Iterable)

大部分对象都是可迭代,只要实现了__iter__方法的对象就是可迭代的。

__iter__方法会返回迭代器(iterator)本身,例如:

>>> lst = [1,2,3]
>>> lst.__iter__()
<listiterator object at 0x7f97c549aa50>

Python提供一些语句和关键字用于访问可迭代对象的元素,比如for循环、列表解析、逻辑操作符等。

判断一个对象是否是可迭代对象:

>>> from collections import Iterable  # 只导入Iterable方法
>>> isinstance(‘abc‘, Iterable)     
True
>>> isinstance(1, Iterable)     
False
>>> isinstance([], Iterable)
True

这里的isinstance()函数用于判断对象类型,后面会讲到。

可迭代对象一般都用for循环遍历元素,也就是能用for循环的对象都可称为可迭代对象。

例如,遍历列表:

>>> lst = [1, 2, 3]
>>> for i in lst:
...   print i
...
1
2
3

8.2 迭代器(Iterator)

具有next方法的对象都是迭代器。在调用next方法时,迭代器会返回它的下一个值。如果next方法被调用,但迭代器没有值可以返回,就会引发一个StopIteration异常。

使用迭代器的好处:

1)如果使用列表,计算值时会一次获取所有值,那么就会占用更多的内存。而迭代器则是一个接一个计算。

2)使代码更通用、更简单。

   8.2.1 迭代器规则

   回忆下在Python数据类型章节讲解到字典迭代器方法,来举例说明下迭代器规则:

    >>> d = {‘a‘:1, ‘b‘:2, ‘c‘:3}    
    >>> d.iteritems()
    <dictionary-itemiterator object at 0x7f97c3b1bcb0>
    # 判断是否是迭代器
    >>> from collections import Iterator
    >>> isinstance(d, Iterator)
    False
    >>> isinstance(d.iteritems(), Iterator)
    True
    # 使用next方法。
    >>> iter_items = d.iteritems()
    >>> iter_items.next()
    (‘a‘, 1)
    >>> iter_items.next()
    (‘c‘, 3)
    >>> iter_items.next()
    (‘b‘, 2)

由于字典是无序的,所以显示的是无序的,实际是按照顺序获取的下一个元素。

   8.2.2 iter()函数

   使用iter()函数转换成迭代器:

   语法:

   iter(collection) -> iterator

   iter(callable, sentinel) -> iterator

    >>> lst = [1, 2, 3]    
    >>> isinstance(lst, Iterator)
    False
    >>> lst.next()  # 不是迭代器是不具备next()属性的
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    AttributeError: ‘list‘ object has no attribute ‘next‘
    >>> iter_lst = iter(lst)             
    >>> isinstance(iter_lst, Iterator)
    True
    >>> iter_lst.next()
    1
    >>> iter_lst.next()
    2
    >>> iter_lst.next()
    3

    8.2.3 itertools模块

   itertools模块是Python内建模块,提供可操作迭代对象的函数。可以生成迭代器,也可以生成无限的序列迭代器。

    有下面几种生成无限序列的方法:

   count([n]) --> n, n+1, n+2, ...

    cycle(p) --> p0, p1, ... plast, p0, p1, ...

    repeat(elem [,n]) --> elem, elem, elem, ... endlessly or up to n times 

    也有几个操作迭代器的方法:

    islice(seq, [start,] stop [, step]) --> elements from

    chain(p, q, ...) --> p0, p1, ... plast, q0, q1, ...

    groupby(iterable[, keyfunc]) --> sub-iterators grouped by value of keyfunc(v) 

    imap(fun, p, q, ...) --> fun(p0, q0), fun(p1, q1), ...

    ifilter(pred, seq) --> elements of seq where pred(elem) is True

   1)count生成序列迭代器

    >>> from itertools import *  # 导入所有方法    
          # 用法 count(start=0, step=1) --> count object
    >>> counter = count()    
    >>> counter.next()
    0
    >>> counter.next()
    1
    >>> counter.next()
    2
    ......

   可以使用start参数设置开始值,step设置步长。

    2)cycle用可迭代对象生成迭代器

   # 用法 cycle(iterable) --> cycle object
    >>> i = cycle([‘a‘, ‘b‘, ‘c‘])  
    >>> i.next()
    ‘a‘
    >>> i.next()
    ‘b‘
    >>> i.next()
    ‘c‘

    3)repeat用对象生成迭代器

    # 用法 repeat(object [,times]) -> create an iterator which returns the object,就是任意对象    
    >>> i = repeat(1)
    >>> i.next()
    1
    >>> i.next()
    1
    >>> i.next()
    1
    ......

    可使用无限次。

    也可以指定次数:

  >>> i = repeat(1, 2)    
    >>> i.next()
    1
    >>> i.next()
    1
    >>> i.next()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    StopIteration

   4)islice用可迭代对象并设置结束位置

  # 用法 islice(iterable, [start,] stop [, step]) --> islice object    
    >>> i = islice([1,2,3],2)   
    >>> i.next()             
    1
    >>> i.next()
    2
    >>> i.next()
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    StopIteration

   正常的话也可以获取的3。

    5)chain用多个可迭代对象生成迭代器

    # 用法 chain(*iterables) --> chain object    
    >>> i = chain(‘a‘,‘b‘,‘c‘)
    >>> i.next()
    ‘a‘
    >>> i.next()
    ‘b‘
    >>> i.next()
    ‘c‘

    6)groupby将可迭代对象中重复的元素挑出来放到一个迭代器中

    # 用法 groupby(iterable[, keyfunc]) -> create an iterator which returns    
    >>> for key,group in groupby(‘abcddCca‘):
    ...   print key,list(group)               
    ...
    a [‘a‘]
    b [‘b‘]
    c [‘c‘]
    d [‘d‘, ‘d‘]
    C [‘C‘]
    c [‘c‘]
    a [‘a‘]

   groupby方法是区分大小写的,如果想把大小写的都放到一个迭代器中,可以定义函数处理下:

    >>> for key,group in groupby(‘abcddCca‘, lambda c: c.upper()):    
    ...   print key, list(group)
    ...
    A [‘a‘]
    B [‘b‘]
    C [‘c‘]
    D [‘d‘, ‘d‘]
    C [‘C‘, ‘c‘]
    A [‘a‘]

   7)imap用函数处理多个可迭代对象

    # 用法 imap(func, *iterables) --> imap object    
    >>> a = imap(lambda x, y: x * y,[1,2,3],[4,5,6])   
    >>> a.next()
    4
    >>> a.next()
    10
    >>> a.next()
    18

   8)ifilter过滤序列

    # 用法 ifilter(function or None, sequence) --> ifilter object    
    >>> i = ifilter(lambda x: x%2==0,[1,2,3,4,5])
    >>> for i in i:
    ...   print i
    ...
    2
    4

   当使用for语句遍历迭代器时,步骤大致这样的,先调用迭代器对象的__iter__方法获取迭代器对象,再调用对象的__next__()方法获取下一个元素。最后引发StopIteration异常结束循环。


博客地址:http://lizhenliang.blog.51cto.com

QQ群:323779636(Shell/Python运维开发群 


8.3 生成器(Generator)

什么是生成器?

1)任何包含yield语句的函数都称为生成器。

2)生成器都是一个迭代器,但迭代器不一定是生成器。

8.3.1 生成器函数

在函数定义中使用yield语句就创建了一个生成器函数,而不是普通的函数。

当调用生成器函数时,每次执行到yield语句,生成器的状态将被冻结起来,并将结果返回__next__调用者。冻结意思是局部的状态都会被保存起来,包括局部变量绑定、指令指针。确保下一次调用时能从上一次的状态继续。

以生成斐波那契数列举例说明yield使用:

斐波那契(Fibonacci)数列是一个简单的递归数列,任意一个数都可以由前两个数相加得到。

#!/usr/bin/python
# -*- coding: utf-8 -*-
def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        print b
        a, b = b, a + b
        n += 1
fab(5)

# python test.py
1
1
2
3
5

 使用yied语句,只需要把print b改成yield b即可:

#!/usr/bin/python
# -*- coding: utf-8 -*-
def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        # print b
        a, b = b, a + b
        n += 1
print fab(5)
# python test.py
<generator object fab at 0x7f2369495820>

可见,调用fab函数不会执行fab函数,而是直接返回了一个生成器对象,上面说过生成器就是一个迭代器。那么就可以通过next方法来返回它下一个值。

>>> import test
>>> f = test.fab(5)   
>>> f.next()       
1
>>> f.next()                               
1
>>> f.next()
2
>>> f.next()
3
>>> f.next()
5

每次fab函数的next方法,就会执行fab函数,执行到yield b时,fab函数返回一个值,下一次执行next方法时,代码从yield b的吓一跳语句继续执行,直到再遇到yield。

8.3.2 生成器表达式

在第四章 Python运算符和流程控制章节讲过,简化for和if语句,使用小括号()返回一个生成器,中括号[]生成一个列表。

回顾下:

# 生成器表达式
>>> result = (x for x in range(5))
>>> result
<generator object <genexpr> at 0x030A4FD0>
>>> type(result)
<type ‘generator‘>

# 列表解析表达式
>>> result = [ x for x in range(5)]
>>> type(result)
<type ‘list‘>
>>> result
[0, 1, 2, 3, 4]

第一个就是生成器表达式,返回的是一个生成器,就可以使用next方法,来获取下一个元素:

>>> result.next()
0
>>> result.next()
1
>>> result.next()
2
......


本文出自 “李振良的技术博客” 博客,请务必保留此出处http://lizhenliang.blog.51cto.com/7876557/1862637

以上是关于第八章 Python可迭代对象迭代器和生成器的主要内容,如果未能解决你的问题,请参考以下文章

python的生成器与迭代器和可迭代对象

Python 可迭代的对象迭代器和生成器

python迭代器和生成器

Python 可迭代的对象迭代器和生成器

1.17 Python基础知识 - 迭代器和生成器初识

Python基础-16生成器-迭代器