Python学习之路--迭代器,生成器

Posted rssblogs

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学习之路--迭代器,生成器相关的知识,希望对你有一定的参考价值。

迭代器

# 双下方法
# print([1].__add__([2]))
# print([1]+[2])

# 迭代器
# l = [1,2,3]
# 索引
# 循环 for
# for i in l:
# i
#
# for k in dic:
# pass


# list
# dic
# str
# set
# tuple
# f = open()
# range()
# enumerate
# print(dir([])) #告诉我列表拥有的所有方法
# ret = set(dir([]))&set(dir({}))&set(dir(‘‘))&set(dir(range(10)))
# print(ret) #iterable
# print(‘__iter__‘ in dir(int))
# print(‘__iter__‘ in dir(bool))
# print(‘__iter__‘ in dir(list))
# print(‘__iter__‘ in dir(dict))
# print(‘__iter__‘ in dir(set))
# print(‘__iter__‘ in dir(tuple))
# print(‘__iter__‘ in dir(enumerate([])))
# print(‘__iter__‘ in dir(range(1)))

# 只要是能被for循环的数据类型 就一定拥有__iter__方法
# print([].__iter__())
# 一个列表执行了__iter__()之后的返回值就是一个迭代器
# print(dir([]))
# print(dir([].__iter__()))
# print(set(dir([].__iter__())) - set(dir([])))
# print([1,‘a‘,‘bbb‘].__iter__().__length_hint__()) #元素个数
# l = [1,2,3]
# iterator = l.__iter__()
# print(iterator.__next__())
# print(iterator.__next__())
# print(iterator.__next__())
# print(iterator.__next__())

# Iterable 可迭代的 -- > __iter__ #只要含有__iter__方法的都是可迭代的
# [].__iter__() 迭代器 -- > __next__ #通过next就可以从迭代器中一个一个的取值

# 只要含有__iter__方法的都是可迭代的 —— 可迭代协议

# print(‘__iter__‘ in dir( [].__iter__()))
# print(‘__next__‘ in dir( [].__iter__()))
from collections import Iterable
from collections import Iterator
# print(isinstance([],Iterator))
# print(isinstance([],Iterable))

# class A:
# # def __iter__(self):pass
# def __next__(self):pass
#
# a = A()
# print(isinstance(a,Iterator))
# print(isinstance(a,Iterable))


# l = [1,2,3,4]
# for i in l.__iter__():
# print(i)

# 迭代器的概念
# 迭代器协议 —— 内部含有__next__和__iter__方法的就是迭代器

# 迭代器协议和可迭代协议
# 可以被for循环的都是可迭代的
# 可迭代的内部都有__iter__方法
# 只要是迭代器 一定可迭代
# 可迭代的.__iter__()方法就可以得到一个迭代器
# 迭代器中的__next__()方法可以一个一个的获取值

# for循环其实就是在使用迭代器
# iterator
# 可迭代对象
# 直接给你内存地址
# print([].__iter__())
# print(range(10))

#for
#只有 是可迭代对象的时候 才能用for
#当我们遇到一个新的变量,不确定能不能for循环的时候,就判断它是否可迭代

# for i in l:
# pass
#iterator = l.__iter__()
#iterator.__next__()

#迭代器的好处:
# 从容器类型中一个一个的取值,会把所有的值都取到。
# 节省内存空间
#迭代器并不会在内存中再占用一大块内存,
# 而是随着循环 每次生成一个
# 每次next每次给我一个
# range
# f
# l = [1,2,3,45]
# iterator = l.__iter__()
# while True:
# print(iterator.__next__())

# print(range(100000000000000))
# print(range(3))
# print(list(range(3)))
# def func():
# for i in range(2000000):
# i = ‘wahaha%s‘%i
# return i

# 生成器 —— 迭代器
# 生成器函数 —— 本质上就是我们自己写得函数
# 生成器表达式
l = [1,2,3,4,5]
for i in l:
print(i)
if i == 2:
break

for i in l:
print(i)

生成器

本质是迭代器

生成器函数 : 执行之后会得到一个生成器作为返回值
只要含有yield关键字的函数都是生成器函数

yield不能和return共用且需要写在函数内
从生成器中取值的几个方法:
__next__
for
数据类型的强制转换
技术图片
def generator():
    print(1)
    yield  a
ret = generator()
print(ret)
print(ret.__next__())
# <generator object generator at 0x00000271D5CBBE60>
# 1
# a
def generator():
    print(1)
    yield  a
    print(2)
    yield  b
g = generator()
print(g.__next__())
print(g.__next__())
# 1
# a
# 2
# b
View Code
def wa():
for i in range(2000000):
yield ‘hh%s‘%i
g = wa()
count = 0
for i in g:
count += 1
print(i)
if count >50:
break
for i in g:
count += 1
print(i)
if count >100:
break
send 的获取下一个值的效果和next基本一致
只是在获取下一个值的时候,给上一个yield的位置传递一个数据
技术图片
def generator():
    print(123)
    num = yield 1
    print(3333,num)
    print(456)
    yield 2
    print(789)

g = generator()
ret = g.__next__()
print(***,ret)
# ret = g.__next__()
ret = g.send(hello)  #send的效果和next一样
print(***,ret)
View Code

·  第一次使用生成器的时候 使用next获取下一个值

    最后一个yield不能接受外部的值

技术图片
def average():
    sum = 0
    count = 0
    avg = 0
    num = yield
    sum += num
    count += 1
    avg = sum/count
    yield avg
avg_g = average()
avg_g.__next__()
avg1 = avg_g.send(10)
print(avg1)#10
View Code
技术图片
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        # num = yield
        num = yield avg
        sum += num
        count += 1
        avg = sum/count
avg_g = average()
avg_g.__next__()
avg1 = avg_g.send(10)
avg1 = avg_g.send(20)
print(avg1)
View Code

带装饰器

技术图片
def init(func):
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        g.__next__()
        return g
    return inner
@init
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        # num = yield
        num = yield avg
        sum += num
        count += 1
        avg = sum/count
avg_g = average()
avg1 = avg_g.send(10)
print(avg1)
View Code

yield from

技术图片
def generator():
    a = abcde
    b = 12345
    yield from a
    yield from b

g = generator()
for i in g:
    print(i)
View Code
生成器表达式
g = (i for i in range(10))#生成器
print(g)
for i in g:
print(i)

#括号不一样,返回的值不一样== 几乎不占用内存

以上是关于Python学习之路--迭代器,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学习之路 - yield生成器,迭代器

Python学习之路--迭代器,生成器

Python学习之路:迭代器

Python小白学习之路(二十二)—生成器

Python之路:迭代器,装饰器,生成器

python之路--迭代器和生成器