生成器知识点整理

Posted 2020-11-01 chacecai

列表生成式

• a = [i + 1 for i in range(10)]

生成器（generator）

• 一边循环，一边计算的机制
• 一种数据类型，这种数据类型自动实现了迭代器协议，是一个可迭代对象。
• 实现延迟计算，按需执行，节省内存

生成器分类

• 生成器函数，使用yield返回结果和挂起状态
• 生成器表达式，生成器返回按需生产结果的对象，用for循环或者next()方法调用。

yield

• 一个函数定义中包含yield，那么调用这个函数就是一个generator
• return在生成器里，代表生成器的终止，报StopIteration错误

• yield的作用

  • yield可以返回生成器内部数据
  • 挂起当前函数执行过程
  • 继承当前状态
  • 再次调用生成器，从上次挂起的位置继续执行

生成器的send方法

• yield可以接收函数外部信号

• generator.send(sign)的作用

  • 唤醒generator，并继续执行
  • 发送一个信息到生成器内部

生成器调用方法

• next()调用

• for循环调用

  • 能获取yield的返回
  • 获取不到return语句的返回值
  • 需要获取return，必须捕获StopIteration错误，返回值包含在StopIteration.value

可迭代对象（Iterable）

• 可以直接作用于for循环的对象统称为可迭代对象
• 数据集合（list、tuple、dict、set、fronzset、str）
• 生成器 generator

迭代器（Iterator）

• 可以被next()函数调用并不断返回下一个数值的对象称为迭代器

• 迭代器表示的是一个数据流，可以把这个数据流看做一个有序序列，但不能提前知道长度

  • next()的使用

    • next(Iterator)
    • Iterator.__next__()

数据集合和生成器

• 都是可迭代对象（Iterable）
• 生成器是一个有序数据流，可以表示无限大的数据流
• 数据集合是有限长度
• 都可以for循环调用
• 只有生成器可以被_next()_调用

可以使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance(‘abc‘, Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance(‘abc‘, Iterator)
False