Py修行路 python基础 (十一)迭代器 与 生成器
一、什么是迭代?
迭代通俗的讲就是一个遍历重复的过程。
维基百科中 迭代(Iteration) 的一个通用概念是:重复某个过程的行为,这个过程中的每次重复称为一次迭代。具体对应到Python编程中就是,对于一个可迭代对象,比如Python中的list、tuple、string、dictionary,set等,使用某种循环结构来遍历其中的元素,这种遍历就是迭代。
#对列表进行遍历! l=['a','b','c','d','e'] #while循环的方式 i=0 while i < len(l): print(l[i]) i+=1 #for 循环的方式 for i in range(len(l)): print(l[i])
二、迭代器
1、迭代器定义
首先先明确 可迭代对象
在现所学的数据类型中,只有 文件 是迭代器,其他的数据类型:元组,字符串,字典,集合,列表都是 可迭代对象。
判断是否可迭代:只要判断对象本身是否内置了_iter_方法,那它就是可迭代的。
#可迭代的:只要对象本身有__iter__方法,那它就是可迭代的 d={'a':1,'b':2,'c':3} d.__iter__ #iter(d)
可迭代对象实现了 __iter__ 和 __next__ 方法,这两个方法对应内置函数 iter() 和 next() 。__iter__ 方法返回可迭代对象本身,这使得他既是一个可迭代对象同时也是一个迭代器。
#执行对象下的__iter__方法,就会得到一个返回值,得到的返回值就是迭代器。 # 使用next()就能依次取出迭代器中的值(在迭代器元素个数之内,超出会报错,也是一次性的元素,不可重复取值),这样就不用再依赖下标的方式。 d={'a':1,'b':2,'c':3} d.__iter__ #iter(d) i=d.__iter__() #返回值,迭代器 print(i.__next__()) #print(next(i)) print(i.__next__()) print(i.__next__()) #3个元素,依次取三次,由于迭代器中的元素是一次性的,超出个数会报错! print(i.__next__())
执行结果如下:
a b c Traceback (most recent call last): File "H:/迭代器.py", line 29, in <module> print(i.__next__()) StopIteration
迭代器
迭代器是访问集合中元素的一种方式,从集合中的第一个元素开始访问,直到所有的元素都被访问一遍后结束。迭代器不能回退,只能往前进行迭代。
迭代器提供了一个统一的访问的接口,只要是定义了iter()方法的对象,就可以使用迭代器进行访问。只要可以进行访问,就能被next()方法调用并不断返回下一个值的对象称为迭代器。换句话说,迭代器对象具有next()方法。
对于迭代器的理解,可以把迭代器看成是一个数据流,迭代器对象被next()函数调用不断返回下一个数据,直到没有数据时抛出StopIteration错误。
把这个数据流看做是一个有序序列,但却不能提前知道这个数据流到底有多长,而对于list、tuple等可迭代对象来说,对象的长度是可知的。这也是可迭代对象和迭代器的区别所在。
StopIteration异常:是迭代终止的信号,迭代器内的内容是有限的,迭代器内元素已全部取完,及取值结束再继续取的话,会报错。
异常捕捉:迭代器正常执行代码的过程中,print(next(*)) *代表迭代器 会抛出异常。为保证代码的正常运行,此时就用到了 try 和 except。
1)while:循环
l=['a','b','c','d','e'] i=l.__iter__() while True: try: #监听代码是否会报异常 StopIteration print(next(i)) except StopIteration: #判断异常是否为 StopIteration,是break break
执行结果如下:
a b c d e
2)for 循环 :for 循环本质就是内部封装了迭代器,对 可迭代的对象 进行遍历取值,同时会在遇到异常捕获的时候会自行处理,所以for 循环作用在迭代器上不报错。
d={'a':1,'b':2,'c':3} print(d.__iter__()) for k in d: #d.__iter__() print(k)
执行结果如下:
1 1 2 2 3 3 4 4 5 aaaaaa 6 bbb 7 cccc 8 eee 9 ffffff执行结果
3)此处注意一个小点:关于文件的认知! 由于文件本身就是一个迭代器,当给文件添加_iter_函数的时候,对其迭代器本身是不冲突的!
f=open('a.txt','r') print(f) print(f.__iter__()) #迭代器执行iter,得到的还是迭代器本身!结果不冲突。
执行结果:
<_io.TextIOWrapper name='a.txt' mode='r' encoding='cp936'> <_io.TextIOWrapper name='a.txt' mode='r' encoding='cp936'>
2、为什么要用迭代器
优点:
(1)迭代器提供了一种不依赖于索引的取值方式,这样就可以遍历那些没有索引的可迭代对象(字典,集合,文件)。
(2)迭代器与列表比较,迭代器是惰性计算的,不需要事先准备好集合中的所有元素,仅仅在迭代至某个元素时才计算该元素。适合用于遍历一些大的文件或集合,这样更节省内存。
缺点:
(1)永远无法获取迭代器的长度,使用不如列表利用索引取值灵活。
(2)迭代器中的内容是一次性的,并且用next()取值,只能往前走,不能向后退。
3、检查
1)借助用模块查看查看可迭代对象与迭代器对象
from collections import Iterable,Iterator
isinstance(数据类型,Iterable) 查看是否是可迭代对象
from collections import Iterable,Iterator s='hello' l=[1,2,3] t=(1,2,3) d={'a':1} set1={1,2,3,4} f=open('a.txt') # 都是可迭代的,看能不能加上_iter_() s.__iter__() l.__iter__() t.__iter__() d.__iter__() set1.__iter__() f.__iter__() print(isinstance(s,Iterable)) print(isinstance(l,Iterable)) print(isinstance(t,Iterable)) print(isinstance(d,Iterable)) print(isinstance(set1,Iterable)) print(isinstance(f,Iterable))
执行结果:
True True True True True True
isinstance(数据类型,Iterator) 查看是否是迭代器
#查看是否是迭代器 简单些就是看能不能调用_next_(),除文件,其他的都不能调用。 from collections import Iterable,Iterator s='hello' l=[1,2,3] t=(1,2,3) d={'a':1} set1={1,2,3,4} f=open('a.txt') print(isinstance(s,Iterator)) print(isinstance(l,Iterator)) print(isinstance(t,Iterator)) print(isinstance(d,Iterator)) print(isinstance(set1,Iterator)) print(isinstance(f,Iterator))
执行结果:
False False False False False True
4、小结
膜拜如此强大的 for 循环!!!看能否for循环遍历,就能知道是否是可迭代对象……吊炸天!
可以使用for循环进行迭代的对象都是可迭代(Iterable)类型!可以调用next()方法的对象都是迭代器(Iterator)类型!
next(迭代器),就能取迭代器中的值,每次只执行一次,从头开始向前取一个值。取多个就要用到多个next()(超出迭代器中值的个数会报错)或是for循环。
python 给字典内置,就将证明可迭代。只要有_iter_函数,加()就能运行,将字典的keys重新赋值,生成一个返回值,将返回值重新定义就生成了一个迭代器。
三、生成器
1、定义:
关于生成器,可以解释为带有yield的函数就被称为生成器。带有yield的函数不再是一个普通函数,不同于while 死循环、for 循环这种一次性创建完整的庞大的序列打印输出,他在循环的过程中值是不断推算不断生成的,一边循环一边计算的机制。可以理解成:加入了yield函数的循环,所有的执行过程都会在yield函数这里停顿进行判定或是开始,当执行一周再次走到yield函数这里时,会再次停顿进行判定或是开始。
值得注意的是,生成器是可迭代对象,也是迭代器对象。生成器的本质,就是将函数做成了一个迭代器,取名为生成器
2、生成器与return有何区别?
1)return只能执行一次函数就彻底结束了,而yield能返回多次值。
2)生成器就是一个函数,这个函数内包含有yield这个关键字
3)由于生成器是函数类型的迭代器,可以用next() 分步触发函数,也可以for循环。
①next()触发的情况!
from collections import Iterator #生成器就是一个函数,这个函数内包含有yield这个关键字 def test(): print('one') yield 1 #return 1 print('two') yield 2 #return 2 print('three') yield 3 #return 3 # print('four') # yield 4 #return 4 # print('five') # yield 5 #return 5 g=test() #函数运行返回一个值 print(g) #打印这个值,显示是生成器类型 print(isinstance(g,Iterator)) #查看类型 是否是迭代器 # g.__iter__() #可以使用iter()函数 # g.__next__() #可以使用next()函数打印值 #next()函数会触发生函数的运行,next()一次就触发一次打印一个值。 print(next(g))# next()函数触发生函数运行,打印一个值。 print(next(g))# next()函数触发生成器运行,打印下个值。 print(next(g))# next()函数触发生成器运行,打印下个值。 # print(next(g))# next()函数触发生成器运行,打印下个值。 # print(next(g))# next()函数触发生成器运行,打印下个值。
执行结果如下:
<generator object test at 0x00000000025CB6D0> True one 1 two 2 three 3
②for循环
def test(): print('one') yield 1 #return 1 print('two') yield 2 #return 2 print('three') yield 3 #return 3 g=test() for i in g: print(i)
执行结果与上边一致。
3、yield 函数到底干了什么事情:
1)yield 把函数变成生成器 ---> 迭代器;
2)用return 返回只能返回一次,而yield返回多次;
3)函数在暂停以及继续下一次运行时的状态,是由yield保存。
def countdown(n): print('start coutdown') while n > 0: yield n #1 n-=1 print('done') g=countdown(5) print(g) #for 循环方式 for i in g: #iter(g) print(i) # while 循环方式 # while True: # try: # print(next(g)) # except StopIteration: # break #由于迭代器内的参数是一次性的,输出二选一,while注意要判定异常。 #
执行结果:
<generator object countdown at 0x000000000260B258> start coutdown 5 4 3 2 1 done
4、yield函数应用
1)实现 linux 中 tail -f /tmp/a.txt 的功能(及监听文件,实时刷新文件的动态,插入内容即刻打印显示,没有就暂停在当前位置)
import time def tail(file_path): with open(file_path,'r') as f: #以读的方式打开文件 f.seek(0,2) #读取最后一行的文本 while True: #循环,一直判断 line=f.readline() #一次读一行 if not line: #判断,没有值的话,停顿0.3秒,再回去 time.sleep(0.3) continue else: # print(line,end='') #打印一行,此行结尾的换行不打印。不用yield函数的话。 yield line # 有文本的话,打印文本,然后停在当前位置 g=tail('/tmp/a.txt') #文件路径 print(next(g)) # 打印 实时监听 # for line in g: # print(line)
2)实现 linux 中 tail -f /tmp/a.txt |grep 'error'的功能(及监听文件,实时刷新文件的动态,实现过滤的功能,及添加进去的内容有'error'打印显示,没有不显示)
形象的比喻下:数据流就像水流一样,在一个管道上源源不断的从左往右一直传值。有带着标签的数据流就显示出来,没有就不显示。
#/usr/bin/env python import time #定义阶段:定义俩生成器函数 def tail(file_path): #管道左边的传值 with open(file_path,'r') as f: f.seek(0,2) #一直读取最后一行 while True: line=f.readline() if not line: time.sleep(0.3) # print('====>') continue else: #print(line,end='') yield line #管道右边的过滤 def grep(pattern,lines): # 定义函数(参数)分别为:(过滤的内容,左边写入的一行数据流) for line in lines: #对写入的每行进行遍历循环 if pattern in line: #判断是否有匹配上的行 yield line # return line #调用阶段:得到俩生成器对象 g1=tail('/tmp/a.txt') #为管道左边的传值(要操作的文件)一直监听传入的最后一行的数据 g2=grep('error',g1) #为管道右边的传值(要过滤的数据) #next触发执行g2生成器函数 有符合条件的就打印 for i in g2: print(i)
5、协程函数
如果在一个函数内部yield的使用方式是表达式形式的话,如x=yield,那么该函数成为协程函数。
生成器代码执行过程中,碰到yield 程序就会暂停,既然yield 以表达式的形式出现在函数中,就表明将 yield 暂停时从外部所携带来的值 传给等号左边的变量。
整个代码再通过next()函数触发,从yield处开始往下走,代码循环一圈之后,又回到yield这儿停止,以此循环。整个代码通过外部的send()函数给yield传值。
#吃包子代码! def eater(name): #定义一个名称函数 name 为人名 print('%s start to eat food' %name) food_list=[] #清单 while True: food=yield food_list # 将yeild从外部接收的值传给food print('%s get %s ,to start eat' %(name,food)) food_list.append(food) #将food添加到清单中 print('done') #结束 e=eater('钢蛋') #赋值人名 #print(e) print(next(e)) # 开始 触发函数,到yield暂停,将当前值存到food_list中,有一个返回值,打印。 print(e.send('包子')) #为yield传值 拿一个值,将值传给yield当前所对应的变量 food print(e.send('韭菜馅包子'))#为yield传值 print(e.send('大蒜包子'))#为yield传值
执行结果:
钢蛋 start to eat food [] 钢蛋 get 包子 ,to start eat ['包子'] 钢蛋 get 韭菜馅包子 ,to start eat ['包子', '韭菜馅包子'] 钢蛋 get 大蒜包子 ,to start eat ['包子', '韭菜馅包子', '大蒜包子']
- python基础之迭代器和生成器
- Python基础-迭代器和生成器
- python3基础: 元组tuple、 列表list、 字典dict、集合set。 迭代器、生成器
- python基础-生成器,迭代器
- Python菜鸟之路:Python基础-生成器和迭代器、递归
- python基础:迭代器与生成器
- Python基础-生成器和迭代器
- Python基础02--迭代器、生成器、列表解析
- python基础-迭代器和生成器
- Python基础(8)_迭代器、生成器、列表解析
- Python基础教程----迭代器和生成器,递归,八皇后(2)
- Python基础知识7:生成器和迭代器、递归
- python基础-迭代器、for底层机制、生成器、list结合yield、__call__、yield函数列表
- Python高手之路【九】python基础之迭代器与生成器
- Py修行路 python基础 (十二) 协程函数应用 列表生成式 生成器表达式
- python基础----迭代器、生成器、协程函数及应用(面向过程实例)
- 11-Python3从入门到实战—基础之生成器和迭代器
- python 迭代器、生成器基础知识
- Python语言基础学习(数据类型,迭代器及生成器)
- python基础之生成器迭代器