Python学习笔记（10）-生成器generator和迭代器Iterator

生成器generator

在创建列表的时候，存储的内容和大小已经固定，若创建的列表包含大量的元素，则会占据很大的存储空间，而且若只需要访问列表的前几个元素，则会造成较大的资源浪费。而使用生成器

generator

即可避免这样的问题，

generator

是根据已经写好的逻辑，动态循环创建的。

1.第一种创建方法，把列表解析的符号

[]

换成

()

，如下

代码:

a = [n for n in range(5)]  # 返回的是list，可直接输出存储的数据
b = (n for n in range(5))  # 返回的是个generator，不能直接输出数据
print(a)
print(b)

结果:

[0, 1, 2, 3, 4]
<generator object <genexpr> at 0x0000000001131360>

1.1 获取generator存储的数据，可以用

next()

方法，例如

代码:

b = (n for n in range(5))
print(next(b))  # 输出3次
print(next(b))
print(next(b))

结果:

0
1
2

(注意：若

next()

输出的次数大于生成器存储的元素个数，则会抛出

StopIteration

错误)

1.2 查看generator存储的数据，每次都调用

next()

太过于繁琐，建议用

for...in...

循环，例如

代码:

b = (n for n in range(5))
for value in b:
print(value)

结果:

0
1
23
4

用

for

循环调用，可以不用担心抛出

StopIteration

错误

2.第二种创建方法，在函数定义中使用

yield

关键字，则该函数即为生成器函数，如下

代码:

def Fibonacci(number):
n, a, b = 0, 0, 1
while n < number:
yield b   # 使用yield关键字，将b存储到generator中
a, b = b, a + b  # a = b , b = a + b
n += 1
return 'over'  # 在生成器函数中的return，不返回信息，而是将值存储在抛出的StopIteration中，可通过捕获异常来获取

print([n for n in Fibonacci(8)])  # 使用列表解析，将结果存储到数组中，为了看着好看而已→_→

结果:

[1, 1, 2, 3, 5, 8, 13, 21]

普通函数和生成器函数的区别：

普通函数中遇到

return

语句或者执行到函数末尾会自动返回，而在生成器函数中，

return

是不返回的，而是在调用

next()

函数之后开始执行，而在

yield

处返回，下次在调用

next()

则再上次停止的

yield

处继续开始执行

2.1 通过

try-except

语句来获取

return

的返回值，如下

代码:

result = Fibonacci(8)
while True:
try:
x = next(result)  #  其实for循环就是一次次的执行next()函数
except StopIteration as e:
print('返回值是:', e.value)
break

结果:

返回值是: over

e.g.

利用生成器函数，将杨辉三角的每一行数据存储到list中输出。

代码:

def YHtriangle(max):  # 构造杨辉三角的逻辑  max>2时，每个数都等于上一行同一位置的数+这个位置前一位置的数
n, L = 0, [1]
while n < max:
yield L  # 此处将L列表存储到生成器中
L.append(0) # 存储后，在列表末尾添加0，为了下一行计算数据
L = [L[i - 1] + L[i] for i in range(len(L))]  # 注意是range(len(L))，i-1=-1，每次取值都是上一句添加的0，
n += 1

def getYHtriangle(num):  # 输出数据
for n in YHtriangle(num):
print(n)

getYHtriangle(4)  # 调用函数

结果:

[1]
[1, 1]
[1, 2, 1]
[1, 3, 3, 1]

迭代器Iterator和可迭代对象Iterable

在笔记(3)中记过，可使用

collections

模块的

Iterable

类型来判断是否可被

for

循环，补充，生成器generator或者是生成器函数也是可迭代对象

Iterable

。

可以被

next()

函数调用，并且不断返回下一个值的对象，叫做迭代器

Iterator

同样可以使用

isinstance()

函数来判断是否是迭代器(需要先导入

Iterable

)

代码:

from collections import Iterator

print(isinstance(123, Iterator))    # 不是可迭代对象Iterable，也不是迭代器Iterator
print(isinstance('abc', Iterator))  # 字符串，列表，字典虽然可迭代Iterable,但不是迭代器Iterator
print(isinstance(['a', 'b'], Iterator))
print(isinstance(('a', 3), Iterator))
print(isinstance((n for n in range(5)), Iterator))  # 只有生成器是一个迭代器

结果:

False
False
False
False
True

字符串，列表，字典虽然只是可迭代，不是迭代器，但是可以通过函数

iter()

获取一个迭代器

Iterator

，例如。

代码:

from collections import Iterator

L = [1, 2, 3, 4]
print(isinstance(L, Iterator))
print(isinstance(iter(L), Iterator))

结果:

False
True