生成器迭代器

Posted 2020-11-03 寻寻觅觅

一、列表生成式

现在有个需求，看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],要求你把列表里的每个值加1

a = [i+1 for i in range(10)]
print(a)

输出：
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

这样的写法就叫做列表生成式。

二、生成器（generator）

要创建一个generator，有很多种方法。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：

g = (i+1 for i in range(10))  # 创建了一个generator

相当于generator保存了一种算法，当你需要时才给你生成数据，你不需要，它就停在那里，这与列表相比，比较节省内存空间。
generator只能前进，不能往后退，当生成完了之后就不再生产。

可以通过next()函数获得生成器的下一个值，若生产完了就会报错。

可以用for循环或while循环来迭代generator：

g = (i+1 for i in range(3))  # 创建了一个generator
for n in g:
    print(n)

输出：
1
2
3

View Code

使用for循环，当生成完之后不会报错。

在python3中，range()就是一个生成器，执行语句：print(range(3)) ，结果是：range(0,3)

在python2中，执行语句：print(range(3)) ，结果是：0,1,2 ，相当于range()是一个列表

在python2中，执行语句：print(xrange(3)) ，结果是：range(0,3)，与python3一样，是一个生成器

斐波拉契数列

斐波那契数列指的是这样一个数列 0， 1， 1， 2， 3， 5， 8， 13， 21， 34， 55， 89,..........

第0项是0，第1项是第一个1。这个数列从第2项开始，每一项都等于前两项之和。

　　有如下代码：

def fib(max):
    n, a, b = 0, 0, 1  # n：循环次数，a：第一个数，b：第二个数
    while n <= max:
        print(b)
        a, b = b, a+b
        n += 1
    return

fib(4)

输出：
1
1
2
3
5

View Code

程序将会输出所有计算结果。
　　使用生成器：

def fib(max):
    n, a, b = 0, 0, 1  # n：循环次数，a：第一个数，b：第二个数
    while n <= max:
        yield b  # 把函数的执行结果冻结在这一步，并且把b的值返回给外面的next(f)
        a, b = b, a+b
        n += 1


f = fib(4)
print(next(f))  # 调用才会生成
print(next(f))

输出：
1
1

View Code

这便是定义generator的另一种方法：如果函数定义中包含了yield关键字，那么这个函数就不再是一个普通的函数，而是一个生成器。
　　函数与生成器的区别：

它们的执行流程不同，函数是顺序执行，遇到return或者函数最后一行语句时结束；生成器是在每次调用next()的时候执行，遇到yield语句返回，再次next()调用时，从上次返回的yield语句处继续执行。

return的作用：返回并终止函数

yield的作用：返回并冻结当前的执行过程，（即停留在这一步）

next()的作用：唤醒冻结的执行过程，继续执行，直到遇到下一个yield

send()的作用：唤醒冻结的执行过程，继续执行，并发送一个消息到生成器内部

注意：在生成器中使用return，程序会报错。

def func(n):
    count = 0
    while count < n:
        print(count)
        count += 1
        sign = yield count
        if sign == "stop":  # 当收到“stop”时停止生产
            print("sign:", sign)
            break
        else:
            print("continue:", sign)


res = func(5)
print(next(res))
res.send("start")
res.send("stop")

输出：
0
1
continue: start
1
sign: stop

View Code

三、迭代器

　　可以直接作用于for循环的对象统称为可迭代对象：Iterable

包括以下几种数据类型：

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。

可以使用isinstance()判断一个对象是否是Iterable对象：

from collections import Iterable
print(isinstance([], Iterable))  # 判断列表是否是可迭代对象
print(isinstance({}, Iterable))  # 判断字典是否是可迭代对象
print(isinstance("asdfg", Iterable))  # 判断字符串是否是可迭代对象
print(isinstance((x for x in range(10)), Iterable))  # 判断生成器是否是可迭代对象
print(isinstance(100, Iterable))  # 判断数字是否是可迭代对象

输出：
True
True
True
True
False

View Code

　　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：

from collections import Iterator
print(isinstance([], Iterator))  # 判断列表是否是迭代器
print(isinstance({}, Iterator))  # 判断字典是否是迭代器
print(isinstance("asdfg", Iterator))  # 判断字符串是否是迭代器
print(isinstance((x for x in range(10)), Iterator))  # 判断生成器是否是迭代器代对象
print(isinstance(100, Iterator))  # 判断数字是否是迭代器

输出：
False
False
False
True
False

View Code

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：

from collections import Iterator
print(isinstance(iter([]), Iterator))  # 将列表变为迭代器

输出：
True

View Code

　　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。

Python3的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
    print(x)

View Code

 

实际上完全等价于：

it = iter([1, 2, 3, 4, 5])  # 获得一个Iterator对象

while True:  # 循环
    try:
        x = next(it)  # 获得下一个值
        print(x)
    except StopIteration:
        break  # 遇到StopIteration就退出循环

View Code