10.迭代器/生成器/协程函数/列表生成器
Posted 简明现代魔法
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10.迭代器/生成器/协程函数/列表生成器相关的知识,希望对你有一定的参考价值。
为什么要用迭代器?
小结:
生成器
为什么要使用生成器,什么是生成器?
如何创建一个生成器
举个栗子:斐波拉契数列
用yield返回结果的执行流程
作业代码以及注释:
协程函数
面向过程编程
作业以及代码注解:
典型范例以及代码解析:
列表生成式
生成器表达式
作业和练习
迭代器
为什么要用迭代器?
提供了一种不依赖索引的取值方式,使一些不具有索引属性的对象也能遍历输出
相比列表,迭代器的惰性计算更加节约内存。
但是它无法有针对性地指定取某个值,并且只能向后取值。
>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> from collections import Iterator
>>> isinstance((x for x in range(10)),Iterator)
True
>>> isinstance([],Iterator)
False
>>> isinstance({},Iterator)
False
>>> isinstance(‘abx‘,Iterator)
False
注意这两个单词:‘Iterable’和‘Iterator’
老师区分可迭代对象和迭代器的方法,就是对象是否内置
.__iter__
方法。而这个方法的运行,也就是xxx.__iter__()
,被赋值给一个i。i = xxx.__iter__
那么这个i就成为一个迭代器。这个过程也可以表示为i = iter(xxx)
迭代器本身就有一个i.__next__
方法,其实就相当于next(i)
Iterable:表示这个对象是“可以被迭代的”。比如说list、dict、str都是Iterable,但是根据上面代码可以发现,list、dict、str并不能算迭代器。
Iterator:迭代器对象。定义迭代器对象的时候,要有“数据流”的概念。迭代器和可迭代对象的差别就在于,迭代器是一个数据流,可以看成是一个有序序列,我们不知道序列的长度,只能通过
next()
函数对他进行不断迭代,直到爆出StopIteration
的错误提示.
其实这个
StopIteration
并不能算一个错误,只是一个提示,表示这个迭代器已经被迭代完了。这时候就需要使用try……except……
函数来规避掉这个错误,在出现StopIteration
的时候自动跳出迭代。
可迭代对象转换成迭代器: iter()
小结:
凡是可以使用for循环的,都是Iterabale;
凡是可以使用next()方法的都是Iterator,迭代器代表一个惰性计算(无限有限皆可)序列,比方说:全体自然数集合就是一个Iterator;
一个迭代器被iter()之后,仍然是一个迭代器
for x in [1,2,3,4,5,6]:
print (x)
print(‘======================‘)
it = iter([1,2,3,4,5,6])
while True:
try:
print(next(it))
except StopIteration:
break
以上两段代码输出结果相同,所以我们就能理解for
方法的运行原理了
生成器
- 关键字:
yield
为什么要使用生成器,什么是生成器?
可循环的类型(Iteratable)比如list,占用内存空间较大,当你想要其中的一个元素的时候只能将list放在内存里,根据索引去获取,生成器本质就是一个迭代器,但是我们知道迭代器是可以循环出来的,每次都可以只输出一个值,节约了内存空间。
如果一个迭代对象,他后面的每个值都是可以根据一定计算获得的。我们是否可以在循环的过程中不断推算出后续的元素,这样就不必创建list,节省了大部分空间。
这种一边循环一边计算的机制,就是生成器:generator
如何创建一个生成器
- 将列表生成式的
[]
改成()
>>> l = [x*x for x in range(10)]
>>> l
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x*x for x in range(10))
>>> g
<generator object <genexpr> at 0x0000006CC7E0D1A8>
列表生成后,list可以直接打印出来,但是generator的迭代器属性,每个元素需要用next()函数获取
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
以上这种调用方式,手工操作部分太多了,所以正确的调用应该是使用for循环:
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> for i in g:
… print(i)
…
16
25
36
49
64
81
啊哈哈哈哈,侧面反映了迭代器的单项输出性质,只能迭代下一个。这里还可以注意到,用for调用generator的时候,不需要担心StopIteration
错误
举个栗子:斐波拉契数列
函数生成斐波拉契数列,并注释逻辑:
# 函数生成斐波拉契数列
def fibonacci(max):
n, a, b = 0, 0, 1 #这里的n用于计数,取最大数用
#a是前置数,用于配合b获取最开始的两个数字
#b是第一个数
while n < max: #当n未达到max的时候
print(b) #打印数字b,后面可以看到,b的值是前两个数相加的和
a, b = b, a + b #对a,b分别进行赋值,a是原来的b,b是前两数相加获得后的和
n = n + 1 #n的计数加一
return ‘done‘
这时候执行fibonacci(num),得到的结果就是一个最大长度为num的fibonacci数列了。
而想要把这个函数改成一个generator,其实只要通过一句yield
就可以:
# 函数生成斐波拉契生成器
def fibonacci(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return ‘done‘
print(fibonacci(10))
结果为:
<generator object fibonacci at 0x000000D75546D1A8>
Process finished with exit code 0
这里的fibonacci已经不再是一个函数了,而是一个生成器,他的结果需要被循环出来,而他本身就作为一个方法被储存在某个变量里。
f = fibonacci(6)
for i in f :
print(i)
用yield返回结果的执行流程
使用了yield之后,函数就变成了生成器。我们原先认为函数运行到return、或者函数的最后一行语句就返回。但是添加了yield之后的生成器不一样,在每次调用了next()
执行,遇到yield
就返回,再次执行时,从上次返回的yield
开始继续执行
在一个函数中,可以有多个yield,但是这种不太常见,在我的理解里,yield就有点像IDE当中的debug断点,在指定断点输出一个值。但是这个断点越多越复杂,反而会不好,因为他最终返回的生成器是一个同类数据流,当你这个数据流中的数据出现两种,就不太适合被再次加工了。
所以一般用一个yield来定义一束数据流(生成器),然后通过生成器具有的迭代器特性来逐个输出处理数据。起到节约内存的作用。
注意:yield有时候会作为一个传参工具(下文会细说,搭配.send()
使用,被称为协程函数),这时候的yield会被放在一个函数中比较靠前位置,但是函数本身暂时没有可以输出的值,这时候就需要提前使用next()方法,将生成器初始化到yield的位置
比较优秀的方法,是使用装饰器,提前将函数next()
或者g.send(None)
一次,并且方便后面的生成器运行调用:
def init(func):
def wrapper(*args,**kwargs):
res = func(*args,**kwargs)
next(res)
return res
return wrapper
@init
如果上次的
yield
是最后一个,并且生成器是一个被while包围的函数,就从上次结束的yield
处继续下次循环,仍然遇到这个yield
就输出返回。
>>> def odd():
… print(‘step1‘)
… yield 1
… print(‘step2‘)
… yield 2
… print(‘step3‘)
… yield 3
>>> o = odd()
>>> next(o)
step1
1
>>> next(o)
step2
2
>>> next(o)
step3
3
实验记录:
>>> def foo():
… print(‘llllll‘)
… yield 3
… print(‘wwwwww‘)
File "<stdin>", line 4
print(‘wwwwww‘)
^
IndentationError: unindent does not match any outer indentation level
yield
后面跟返回的值如果不用括号括起来,容易报错,注意养成习惯
作业代码以及注释:
#模拟管道功能,将cat的处理结果作为grep的输入
#从文件中获取想要的数据
def cat(file_name): #传参获得目标文件名
with open(file_name,‘r‘) as f:
res = iter(f.readlines())
return res
#通过readlines方法获取文件的行集合list,
#并且将这个集合生成为一个迭代器返回给函数
#传参获取目标关键字,文件内容迭代器,
def grep(key_str,iterator):
for i in iterator:
#迭代文件内容并且匹配关键字
if key_str in i.strip():
#匹配到后输出关键字
print (i.strip())
# 调用函数阶段:
# grep(‘apple‘,cat(‘a.txt‘))
协程函数
如果函数内yield的表达形式为var= yield
,那么必须在往生成器函数中传参前,next(g)
或者e.send(None)
因为协程函数中,需要将函数初始化暂停至yield所在点,然后再进行生成器轮巡运算。
面向过程编程
在提协程函数的时候,还需要提一个面向过程编程思想:
流水式的变成思想,在设计程序时,需要把整个流程设计出来。
这种思想的优缺点:
- 优点:
体系结构更加清晰
简化程序的复杂度 - 缺点:
可扩展性差,一条流程只能给一组功能使用。
作业以及代码注解:
# 定义一个可以不断传入(send方法)网址来进行爬取数据的生成器函数
# 定义一个配合协程函数的装饰器
def yield_next(func):
def wrapper(*arg,**kwargs):
res = func(*arg,**kwargs)
next(res)
#注意,这里仍然需要返回res给函数wrapper
#如果缺少这步,下方调用return wrapper的时候无效
return res
return wrapper
#模块加载
from urllib.request import urlopen
@yield_next
def get_url():
while True:
url = yield
#外部传值给yield 相当于yield 统一资源定位器,并且url能传入新的值
url_res = urlopen(url) #爬取url指定的页面内容
webLine = url_res.read() # 读取html页面
print(webLine) #输出url页面
g = get_url()
#由于之前使用了装饰器,这里不用next()
g.send(‘http://www.baidu.com‘)
典型范例以及代码解析:
实现linux中grep -rl ‘python‘ dir_path
效果的代码
# 想了半天觉得这个代码好蠢,不放了。
列表生成式
范例:
l = [‘egg%s‘%i for i in range(100) if i >50]
print(l)
g = os.walk(c:\\scott)
l1 = [‘%s\\%s‘%(i[0],j)for i in g for j in i[-1]]
返回结果放在最前,列表生成的for运算放在中间,后面可加判断语句
如果直接调用这个列表生成式的结果给一个函数进行运算,可以不用添加[]
生成器表达式
就是把列表生成的[]
换成()
l = (‘egg%s‘%i for i in range(100) if i >50)
作业和练习
# 今日作业
# 有两个列表,
# 分别存放来老男孩报名学习linux和python课程的学生名字
linux = [‘钢弹‘, ‘小壁虎‘, ‘小虎比‘, ‘alex‘, ‘wupeiqi‘, ‘yuanhao‘]
python = [‘dragon‘, ‘钢弹‘, ‘zhejiangF4‘, ‘小虎比‘]
# 问题一:得出既报名linux又报名python的学生列表
l1 = [x for x in linux if x in python]
print (l1)
# 问题二:得出只报名linux,而没有报名python的学生列表
l2 = [x for x in linux if x not in python]
print(l2)
# 问题三:得出只报名python,而没有报名linux的学生列表
l3 = [x for x in python if x not in linux]
print(l3)
shares = {
‘IBM‘: 36.6,
‘lenovo‘: 27.3,
‘huawei‘: 40.3,
‘oldboy‘: 3.2,
‘ocean‘:20.1
}
# 问题一:得出股票价格大于30的股票名字列表
list_1 = [i for i in shares if shares[i]>30]
print(list_1)
# 问题二:求出所有股票的总价格
list_sum = sum (shares[i] for i in shares)
print(list_sum)
l = [10, 2, 3, 4, 5, 6, 7]
# 得到一个新列表l1,
# 新列表中每个元素是l中对应每个元素值的平方
l1 = [(x*x) for x in l]
print(l1)
# 过滤出l1中大于40的值,然后求和
l1_sum = sum(y for y in l1 if y >40)
print(l1_sum)
以上是关于10.迭代器/生成器/协程函数/列表生成器的主要内容,如果未能解决你的问题,请参考以下文章