python基础5之生成器、迭代器

内容概要：

一、生成器

二、迭代器

一、生成器generator

列表生成式

现在有个需求，看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],我要求你把列表里的每个值加1，你怎么实现？你可能会想到2种方式

1 l=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 2 a=[] 3 for i in l: 4 a.append(i+1) 5 l=a 6 print(l) 7 结果为： 8 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 普通青年版 1 一、 2 #原值修改 3 for index,i in enumerate(a): 4 l[index] +=1 5 print(l) 6 7 二、 8 l= map(lambda x:x+1, l) 9 print(l) 10 for i in l: 11 print(i) 12 结果为： 13 <map object at 0x0000000001E7C780> 14 1 15 2 16 3 17 4 文艺青年版 1 a=[i+1 for i in range(10)] 2 print(a) 3 结果为： 4 [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 装逼青年版 [i+1 for i in range(10)] 这就叫做列表生成式

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。

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：

>>> ( i*2 for i in range(6) ) <generator object <genexpr> at 0x000000000106B360>

__next__()方法(在2.7中是next())，此时我们每调用一次，就会生成一次数据：

>>> a=( i*2 for i in range(6) ) >>> a.__next__() >>> a.__next__() >>> a.__next__() >>> a.__next__() >>>

普通的生成器

定义：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

yield作用：使函数状态停留在yield关键字执行完之后的状态，并返回当前的迭代值，当我们使用next方法的时候，会重新唤醒该函数，并从之前保留的状态继续执行下去yield下面的代码；

后续还提到send方法，作用是给yield发送返回数据，让我们来看看普通生成器。

def gen(): a=1 while a<10: res=yield a print(res) a+=1 a=gen() print(a.__next__())#调用next方法唤醒函数 print("分割线====") print(a.__next__()) a.send("拿去")#向yield发送返回值 print(a.__next__()) 结果： 分割线==== None 拿去 None View Code

通常我们在使用的生成器的时候并不使用next的方法，而是使用for循环取得返回值(tips：当生成器执行到最后时候使用next方法会抛出StopIteration异常，而for循环不会。)；

def gen(): a=1 while a<10: yield a a+=1 for i in gen(): print(i) 结果： 2 4 6 8 View Code

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 >>> g = fib(6) 2 >>> while True: 3 ... try: 4 ... x = next(g) 5 ... print('g:', x) 6 ... except StopIteration as e: 7 ... print('Generator return value:', e.value) 8 ... break 9 ... 10 g: 1 11 g: 1 12 g: 2 13 g: 3 14 g: 5 15 g: 8 16 Generator return value: done

关于如何捕获错误，后面的错误处理还会详细讲解。

 还可通过yield实现在单线程的情况下实现并发运算的效果

#_*_coding:utf-8_*_ __author__ = 'Alex Li' import time def consumer(name): print("%s 准备吃包子啦!" %name) while True: baozi = yield print("包子[%s]来了,被[%s]吃了!" %(baozi,name)) def producer(name): c = consumer('A') c2 = consumer('B') c.__next__() c2.__next__() print("老子开始准备做包子啦!") for i in range(10): time.sleep(1) print("做了2个包子!") c.send(i) c2.send(i) producer("alex") 通过生成器实现协程并行运算 View Code 2、 迭代器 Iterator

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：

>>> 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

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：

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

 

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：

跟他

>>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) True

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

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

 

转载于:https://www.cnblogs.com/xiangjun555/articles/6841620.html