迭代器和生成器

Posted 呆萌小河马的博客

tags:

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

一、可迭代协议:可以被迭代要满足要求的就叫做可迭代协议。内部实现了__iter__方法

  iterable:可迭代的------对应的标志

  什么叫迭代?:一个一个取值,就像for循环一样取值

       字符串,列表,元组,集合,字典都是可迭代的

 

二、迭代器协议:内部实现了__iter__,__next__方法

  迭代器大部分都是在python的内部去使用的,我们直接拿来用就行了

  迭代器的优点:如果用了迭代器,节约内存,方便操作

   dir([1,2].__iter__())是列表迭代器中实现的所有的方法,而dir([1,2])是列表中实现的所有方法,都是以列表的方式返回给我们,为了方便看清楚,我们把他们转换成集合,然后取差集,然而,我们看到列表迭代器中多出了三个方法,那么这三个方法都分别是干什么的呢?

1 print(dir([1,2].__iter__()))#查看列表迭代器的所有方法
2 print(dir([1,2]))#查看列表的所有方法
3 print(set(dir([1,2].__iter__()))-set(dir([1,2])))
iter_l=[1,2,3,4,5,6].__iter__()

print(iter_l.__length_hint__())#获取迭代器中元素的长度
# print(iter_l.__setstate__(4))#根据索引指定从哪里开始迭代

print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())#一个一个的取值
print(next(iter_l))
#next(iter_l)这个方法和iter_l.__next__()方法一样,推荐用next(iter_l)这个
l=[1,2,3,4,5]
a=l.__iter__()

# print(next(a))
# print(next(a))
# print(next(a))
# print(next(a))
# print(next(a))
# print(next(a))   #上面的列表长度只有5个,而你多打印了,就会报错。处理的情况如下,就不会报错了

while True:
    try:
        item=a.__next__()
        print(item)
    except StopIteration: # 异常处理
        break

 

三、可迭代和迭代器的相同点:都可以用for循环

 

四、可迭代和迭代器的不同点:就是迭代器内部多实现了一个__next__方法

 

五、判断迭代器和可迭代的方法:

第一种:判断内部是不是实现了__next__方法

       1 ‘__iter__‘ in dir(str)#如果__iter__在这个方法里面,就是可迭代的。 

第二种:

    Iterable 判断是不是可迭代对象

    Iterator 判断是不是迭代器

    用法:

from collections import Iterable  
from collections import Iterator

#比如给一个字符串
s=‘abc‘
print(isinstance(s,Iterable))#isinstance判断类型的
print(isinstance(s,Iterator))

判断range函数和map函数

map1=map(abs,[1,-2,3,-4])
print(isinstance(map1,Iterable))
print(isinstance(map1,Iterator))#map方法自带迭代器

s=range(100)#是一个可迭代的,但是不是迭代器
print(isinstance(s,Iterable))
print(isinstance(s,Iterator))

 

 

五、生成器函数:常规定义函数,但是,使用yield语句而不是return语句返回结果。yield语句一次返回一个结果。生成器的好处:1、是一下子不会在内存中生成太多的数据;2、惰性计算

python中提供的生成器:1.生成器函数    2.生成器表达式

生成器的本质:就是一个迭代器

def  func(): #这是一个简单的函数
        a=1
        return a
print(func())


def func():
    print(‘aaaaaaaaaaa‘)
    a = 1
    yield a  # 返回第一个值
    print(‘bbbbbb‘)
    yield 12  # 返回第二个值


ret = func()  # 得拿到一个生成器
# print(ret)#返回的是一个地址
print(next(ret))#取第一个值
print(next(ret))# 取第二个值
print(next(ret))# 取第三个值,会报错,因为没有yield第三个值

#初始生成器

假如我想让工厂给学生做校服,生产2000000件衣服,我和工厂一说,工厂应该是先答应下来,然后再去生产,我可以一件一件的要,也可以根据学生一批一批的找工厂拿。
而不能是一说要生产2000000件衣服,工厂就先去做生产2000000件衣服,等回来做好了,学生都毕业了。。。

def make_cloth():
    for i in range(1,20000):
        yield ‘第%s件衣服‘%(i)
ret = make_cloth()
print(next(ret))
print(next(ret))
print(next(ret))
for i in range(100):
    print(next(ret))

#做衣服
必须先用next再用send
def average():
    total=0 #总数
    day=0 #天数
    average=0 #平均数
    while True:
        day_num = yield average   #average=0
        total += day_num
        day += 1
        average = total/day
avg=average() #直接返回生成器
next(avg)#激活生成器,avg.send(),什么都不传的时候send和next的效果一样
print(avg.send(10))
print(avg.send(20))#send   1.传值 2.next
print(avg.send(30))

#计算移动平均值
让装饰器去激活
def wrapper(func):
    def inner(*args,**kwargs):
       ret = func(*args,**kwargs)
       next(ret)
       return ret
    return inner

@wrapper
def average():
    total=0 #总数
    day=0 #天数
    average=0 #平均数
    while True:
        day_num = yield average   #average=0
        total += day_num
        day += 1
        average = total/day


ret=average() #直接返回生成器
print(ret.send(10))
print(ret.send(20))#send   1.传一个值过去 2.让当前yield继续执行
print(ret.send(30))

#带装饰器的计算移动平均值
import time


def tail(filename):
    f = open(filename)
    f.seek(0, 2) #从文件末尾算起
    while True:
        line = f.readline()  # 读取文件中新的文本行
        if not line:
            time.sleep(0.1)
            continue
        yield line

tail_g = tail(‘tmp‘)
for line in tail_g:
    print(line)

#生成器监听文件例子

  

六、yield  from

def func():
    # for i in ‘AB‘:
    #     yield i
    yield from ‘AB‘     yield from ‘AB‘就相当于上面的for循环,吧循环简化了
    yield from [1,2,3]

g=func()
print(list(g))
# print(next(g))
# print(next(g))

#yield from

  

七、列表推导式

举例一
y=2
#for i in range(100):
 #   print(i*y)


#列表推导式是for循环的简写
l=[i*y for i in range(100)]

举例二
l=[{‘name‘:‘v1‘,‘age‘:‘22‘},{‘name‘:‘v2‘}]
# for dic in l:
#     print(dic[‘name‘])
name_list=[dic[‘name‘] for dic in l]
print(name_list)

#列表推导式

  

# ======一层循环======
l = [i*i for i in range(1,10)]
print(l)
# 上面的列表推倒式就相当于下面的
l  = []
for i in range(1,10):
    l.append(i*i)
print(l)
l = []


# ======多层循环========
# 1.列表推倒式
l = [i*j for i in range(1,10) for j in range(1,10)]
print(l)
# 2.循环
l = []
for i in range(1,10):
    for j in range(1,10):
        s = i*j
        l.append(s)
print(l)

  

八、生成器表达式:类似于列表推倒式,就是把列表推导式的[]改为了()

l=[{‘name‘:‘v1‘,‘age‘:‘22‘},{‘name‘:‘v2‘}]

name_list=(dic[‘name‘] for dic in l)#吧列表生成器的[]改成()
print(name_list)#取出的是一个生成器,而不是要取得值,所以得加上next
print(next(name_list))
print(next(name_list))
# print(next(name_list))

生成器表达

列表推导式的结果是一下子在内存中产生所有的结果,生成器表达式的结果是一个生成器对象

 

 

 



以上是关于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函数:迭代器和生成器

python函数:迭代器和生成器

迭代器和生成器函数

Python中迭代器和生成器的区别与联系

迭代器和生成器

python的生成器与迭代器和可迭代对象