列表生成式,生成器和迭代器
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了列表生成式,生成器和迭代器相关的知识,希望对你有一定的参考价值。
1.列表生成式
语法:[条件表达式 for i in iterable]
a=list(range(10)) b=[i+1 for i in a] #这种形式就是列表生成式 print(b)
用列表生成式可以简化代码,等价于下面的几种方法:
1 #方法一 2 a=list(range(10)) 3 b=[] 4 for i in a: 5 b.append(i+1) 6 7 print(b) 8 9 #方法二 10 a=list(range(10)) 11 for index,i in enumerate(a): 12 a[index]+=1 13 print(a) 14 15 #方法三 16 a=list(range(10)) 17 a=map(lambda a:a+1,a) #返回的是一个内存地址,想要调用需要用for循环 18 for i in a: 19 print(i)
2.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,那后面绝大多数元素占用的空间都白白浪费了。
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。
2.1 创建generator:
第一种方法很简单,只要把一个列表生成式的[]
改成()
,就创建了一个generator:
1 l=[x*x for x in range(10)] 2 print(l) 3 g=(x*x for x in range(10)) 4 print(g)
返回:
生成器g返回的是函数的内存地址,想要打印出g里面的元素,可以使用
for i in g: print(i)
返回
注意:
1.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。
2.列表可以进行切片和索引,生成器g没有办法进行切片和索引。生成器只能在调用的时候才会返回相应的数据。
3.打印生成器g的数据的方式,只有一个一个的取:一种是用for循环逐次打印,一种是用next()函数获得generator的下一个返回值。
生成器只记住当前的位置,既不知道之前的,也不知道之后的,只能一个一个地往后下一个取。
我们讲过,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,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。
当然,上面这种不断调用next(g)
实在是太变态了,正确的方法是使用for
循环,因为generator也是可迭代对象。
所以,我们创建了一个generator后,基本上永远不会调用__next__()
,而是通过for
循环来迭代它,并且不需要关心StopIteration
的错误。
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。
第二种方法:用函数做生成器,yield
实例:斐波拉契Fibonaccl数列:除第一个和第二个数外,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....
斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易:
1 def fibo(max): 2 n,a,b=0,0,1 3 while n<max: 4 print(b) 5 a,b=b,a+b #等价于t=(a,a+b),a=t[0],b=t[1] 但不必显式写出临时变量t就可以赋值。 6 n+=1 7 return ‘done‘ 8 9 fibo(10)
仔细观察,可以看出,fib
函数实际上是定义了斐波拉契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素,这种逻辑其实非常类似generator。
也就是说,上面的函数和generator仅一步之遥。要把fib
函数变成generator,只需要把print(b)
改为yield b
就可以了:
1 def fibo(max): 2 n,a,b=0,0,1 3 while n<max: 4 yield b 5 a,b=b,a+b #等价于t=(a,a+b),a=t[0],b=t[1] 但不必显式写出临时变量t就可以赋值。 6 n+=1 7 return ‘done‘ 8 9 10 for i in fibo(10): 11 print(i)
这就是定义generator的另一种方法。如果一个函数定义中包含yield
关键字,那么这个函数就不再是一个普通函数,而是一个generator:
f = fib(6) f <generator object fib at 0x104feaaa0>
这里,最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return
语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()
的时候执行,遇到yield
语句返回,再次执行时从上次返回的yield
语句处继续执行。
1 def fibo(max): 2 n,a,b=0,0,1 3 while n<max: 4 yield b 5 a,b=b,a+b #等价于t=(a,a+b),a=t[0],b=t[1] 但不必显式写出临时变量t就可以赋值。 6 n+=1 7 return ‘done‘ #异常时打印的消息 8 9 10 data = fibo(10) 11 print(data) 12 13 print(data.__next__()) 14 print(data.__next__()) 15 print("干点别的事") 16 print(data.__next__()) 17 print(data.__next__()) 18 print(data.__next__()) 19 print(data.__next__()) 20 print(data.__next__()) 21 print(data.__next__()) 22 print(data.__next__()) 23 print(data.__next__()) 24 print(data.__next__()) 25 print(data.__next__())
返回:
在上面fib
的例子,我们在循环过程中不断调用yield
,就会不断中断。当然要给循环设置一个条件来退出循环,不然就会产生一个无限数列出来。
同样的,把函数改成generator后,我们基本上从来不会用next()
来获取下一个返回值,而是直接使用for
循环来迭代。但是用for
循环调用generator时,发现拿不到generator的return
语句的返回值。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:
1 def fibo(max): 2 n,a,b=0,0,1 3 while n<max: 4 yield b #想要返回什么,就在哪里加yield。 5 a,b=b,a+b #等价于t=(a,a+b),a=t[0],b=t[1] 但不必显式写出临时变量t就可以赋值。 6 n+=1 7 return ‘done‘ 8 9 f=fibo(10) 10 while True: 11 try: 12 x=next(f) #debugger中,x=next(f)就是调用f,到yield b中止,下次调用函数,则继续运行a,b=a,a+b;n+=1 13 print(‘fibo:‘,x) 14 except StopIteration as e: 15 print(‘Generator return value:‘,e.value) 16 break
2.2 通过yield在单线程情况下实现并发运算的效果
1 #典型的生产者-消费者模型 2 import time 3 def consumer(name): 4 print(‘%s 准备吃包子啦!‘%name) 5 while True: 6 baozi=yield #通过下面的send给yield传值,baozi=c.send(‘object‘) 7 8 print(‘包子[%s]来了,被[%s]吃了!‘%(baozi,name)) 9 10 11 def producer(name): 12 c0=consumer(name) 13 c1=consumer(‘Zzz‘) 14 c0.__next__() #只有调用__next__()才能从开始调用consumer()函数 15 c1.__next__() 16 print(‘厨师开始做包子‘) 17 for i in range(10): 18 time.sleep(1) 19 print(‘做了2个包子!‘) 20 c0.send(i) 21 c1.send(i) 22 23 24 producer(‘david‘)
返回:
3.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:
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:
生成器都是Iterator
对象,但list
、dict
、str
虽然是Iterable
,却不是Iterator
。
把list
、dict
、str
等Iterable
变成Iterator
可以使用iter()
函数:
你可能会问,为什么list
、dict
、str
等数据类型不是Iterator
?
这是因为Python的Iterator
对象表示的是一个数据流,Iterator对象可以被next()
函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration
错误。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()
函数实现按需计算下一个数据,所以Iterator
的计算是惰性的,只有在需要返回下一个数据时它才会计算。
Iterator
甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。
小结
凡是可作用于for
循环的对象都是Iterable
类型;
凡是可作用于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。
Python的for
循环本质上就是通过不断调用next()
函数实现的,例如:
1
2
|
for x in [ 1 , 2 , 3 , 4 , 5 ]: pass |
实际上完全等价于:
# 首先获得Iterator对象: it = iter([1, 2, 3, 4, 5]) # 循环: while True: try: # 获得下一个值: x = next(it) except StopIteration: # 遇到StopIteration就退出循环 break
以上是关于列表生成式,生成器和迭代器的主要内容,如果未能解决你的问题,请参考以下文章