python3中的迭代器与生成器
2017-03-12 17:42
267 查看
迭代器(iterator)
def add(s, x): return s + x def gen(): for i in range(4): yield i base = gen() for n in [1, 10]: base = (add(i, n) for i in base) print list(base)
这个东西输出可以脑补一下, 结果是[20,21,22,23], 而不是[10, 11, 12, 13]。
要说生成器,必须首先说迭代器
区分iterable,iterator与itertion
讲到迭代器,就需要区别几个概念:iterable,iterator,itertion, 看着都差不多,其实不然。下面区分一下。
itertion: 就是迭代,一个接一个(one after another),是一个通用的概念,比如一个循环遍历某个数组。
iterable: 这个是可迭代对象,属于python的名词,范围也很广,可重复迭代,满足如下其中之一的都是iterable:
可以for循环: for i in iterable
可以按index索引的对象,也就是定义了getitem方法,比如list,str;
定义了iter方法。可以随意返回。
可以调用iter(obj)的对象,并且返回一个iterator
iterator: 迭代器对象,也属于python的名词,只能迭代一次。需要满足如下的迭代器协议
定义了iter方法,但是必须返回自身
定义了next方法,在python3.x是next。用来返回下一个值,并且当没有数据了,抛出StopIteration可以保持当前的状态
首先str和list是iterable 但不是iterator:
In [13]: si = iter(s) In [14]: si Out[14]: <iterator at 0x7f9453279dd0> In [15]: si.__iter__ # 有__iter__ Out[15]: <method-wrapper '__iter__' of iterator object at 0x7f9453279dd0> In [16]: si.next #拥有next Out[16]: <method-wrapper 'next' of iterator object at 0x7f9453279dd0> In [20]: si.__iter__() is si #__iter__返回自己 Out[20]: True In [1]: %paste class DataIter(object): def __init__(self, *args): self.data = list(args) self.ind = 0 def __iter__(self): #返回自身 return self def next(self): # 返回数据 if self.ind == len(self.data): raise StopIteration else: data = self.data[self.ind] self.ind += 1 return data ## -- End pasted text -- In [9]: d = DataIter(1,2) In [10]: for x in d: # 开始迭代 ....: print x ....: 1 2 In [13]: d.next() # 只能迭代一次,再次使用则会抛异常 --------------------------------------------------------------------------- StopIteration Traceback (most recent call last) ----> 1 d.next() <ipython-input-1-c44abc1904d8> in next(self) 10 def next(self): 11 if self.ind == len(self.data): ---> 12 raise StopIteration 13 else: 14 data = self.data[self.ind]
从next函数中只能向前取数据,一次取一个可以看出来,不过不能重复取数据,那这个可不可以解决呢?
我们知道iterator只能迭代一次,但是iterable对象则没有这个限制,因此我们可以把iterator从数据中分离出来,分别定义一个iterable与iterator如下:
class Data(object): # 只是iterable:可迭代对象而不iterator:迭代器 def __init__(self, *args): self.data = list(args) def __iter__(self): # 并没有返回自身 return DataIterator(self) class DataIterator(object): # iterator: 迭代器 def __init__(self, data): self.data = data.data self.ind = 0 def __iter__(self): return self def next(self): if self.ind == len(self.data): raise StopIteration else: data = self.data[self.ind] self.ind += 1 return data if __name__ 4000 == '__main__': d = Data(1, 2, 3) for x in d: print x, for x in d: print x, 1,2,3 1,2,3
Python支持在容器上迭代,通过两个方法实现,允许用户自定义,序列总是支持迭代方法.
迭代器的功能可以使用列表代替,但如果有很多值,列表就会占用太多的内存,而如果有可以一个接一个地计算值的函数,那么就可以在使用时采用计算一个值时获取一个值,占用更少内存。
迭代器对于变量,有两个方法iter(),next()
当遍历一个迭代器的时候,它会修改内部状态,导致你只能向前获取下一个元素,不能通过迭代器访问后面一个元素;也就是说当你通过迭代器访问了一个元素以后,在当前循环中不能后退继续访问该元素了,除非你重新生产迭代器对象进行遍历。#迭代器对于变量 list1=[1,2,3,4,5] it1=iter(list1) print(next(it1)) print(next(it1)) print('=============') for x in it1: print(x, end='\n') print('=============') #可以使用next()函数 list2=list('abcdefg') it2=iter(list2) while True: try: print(next(it2)) except StopIteration: sys.exit()
输出结果如下:
1 2 ============= 3 4 5 ============= a b c d e f g
对于要返回迭代器的类,要实现iterator.iter(),iterator.next()
迭代器对象被要求支持下面的两个方法,合起来形成迭代协议。iterator._iter_()
返回迭代器对象自身。为了允许容器和迭代器被用于for和in语句中,必须实现该方法。
iterator._next_()
返回容器的下一个条目。如果没有更多的条目,抛出StopIteration异常
另外需要注意的是在迭代器中next方法是return下一个元素的值,不像下面介绍的生成器yield一个元素
class Fibs: def __init__(self): # 初始化 self.a = 0 self.b = 1 def __next__(self): # 获取下一个条目 self.a, self.b = self.b, self.a + self.b return self.a def __iter__(self): # 返回迭代器 return self fibs=Fibs() for f in fibs: if f > 20: break
生成器(generator)
任何使用yield的函数都称之为生成器.首先需要明确的就是生成器也是iterator迭代器,因为它遵循了迭代器协议.生成器函数跟普通函数只有一点不一样,就是把 return 换成yield,其中yield是一个语法糖,内部实现了迭代器协议,同时保持状态可以挂起。
(如果换成return 函数就返回了)
另外一种说法:生成器就是一个返回迭代器的函数,与普通函数的区别是生成器包含yield语句,更简单点理解生成器就是一个迭代器。
使用yield,可以让函数生成一个序列,该函数返回的对象类型是”generator”,通过该对象连续调用next()方法返回序列值。
生成器函数只有在调用_next()_方法的时候才开始执行函数里面的语句.
在调用count函数时:c=count(7),并不会打印”counting”只有等到调用c.next()时才真正执行里面的语句。每次调用next()方法时,count函数会运行到语句yield n处为止,next()的返回值就是生成值n,此处为了查看返回值打印了出来,可以去掉,再次调用next()方法时,函数继续执行yield之后的语句(熟悉Java的朋友肯定知道Thread.yield()方法,作用是暂停当前线程的运行,让其他线程执行),如:
yield作用就是返回一个生成器,它会保存当前函数状态,记录下一次函数被调用next的时候运行状态
a = (i for i in range(4)) print(a) for i in a: print(i) for i in a: print('==') print(i) 只输出0,1,2,3
def count(n): print("cunting") while n > 0: print('before yield') yield n # 生成值:n print(n) n -= 1 print('after yield') c=count(7) c.__next__() #before yield c.__next__() # 7 # after yield # before yield c.__next__() # 6 # after yield # before yield
如果一直调用next方法,当执行到没有可迭代的值后,程序就会报错:
Traceback (most recent call last): File "", line 1, in StopIteration
所以一般不会手动的调用next方法,而使用for循环
for i in count(5): print (i)
def fibonacci(n): # 生成器函数 - 斐波那契 a, b, counter = 0, 1, 0 while True: if counter > n: return yield a a, b = b, a + b counter += 1 # f 是一个迭代器,由生成器返回生成 f = fibonacci(10) while True: try: print(next(f), end=" ") except StopIteration: sys.exit()
def fibonacci(): a=b=1 yield a while True: a,b = b,a+b yield b # f=fibonacci() # print(type(fibonacci())) # f.__next__() # f.__next__() for num in fibonacci(): if num > 100: break print (num) time.sleep(1)
可以调试看输出,就明白了。
另外还有一种定义生成器的方法:生成器表达式”()”
my_generator = (x for x in range(3)) print(type(my_generator)) for i in my_generator: print(i)
相关文章推荐
- Python语言基础学习(数据类型,迭代器及生成器)
- Python 生成器函数,生成器表达式,迭代器,列表解析
- 零基础学python-19.8 生成器表达式:当迭代器遇上列表解析
- python高级编程-Part1 生成器和迭代器
- Python进阶之迭代器和生成器
- Python生成器与迭代器
- python-cookbook学习笔记九 迭代器与生成器二
- 完全理解Python迭代对象、迭代器、生成器
- Python 迭代器与生成器
- python迭代器、生成器和yield语句
- Python迭代器/生成器
- python迭代器和生成器
- 【Python】10“生成器和迭代器“
- Python中生成器和迭代器的区别详解
- 解析Python中的生成器及其与迭代器的差异
- Python迭代对象、迭代器、生成器
- Python基础-迭代器与yield生成器
- python基础-迭代器、for底层机制、生成器、list结合yield、__call__、yield函数列表
- 第八章 Python可迭代对象、迭代器和生成器
- python学习-Day15-python生成式和生成器、迭代器、装饰器