生成器
仅仅拥有生成某种东西的能力,如果不用__next__
方法是获取不到值得。
创建一个生成器函数
>>> def scq():
... print("11")
# 当函数代码块中遇到yield关键字的时候,这个函数就是一个生成器函数
... yield 1
... print("22")
... yield 2
... print("33")
... yield 3
...
把生成器赋值给一个对象
>>> r = scq()
查看r的苏剧类型并且输出r的值
>>> print(type(r),r)
<class 'generator'> <generator object scq at 0x000001F117D8DF10>
当执行生成器的__next__
的时候,代码会按照顺序去执行,当执行到yield
时会返回并提出,yield
后面的值就是返回值,然后记录代码执行的位置,并退出
>>> ret = r.__next__()
11
第二次执行的时候会根据上次代码执行的位置继续往下执行
>>> ret = r.__next__()
22
>>> ret = r.__next__()
33
如果__next__
获取不到值的时候就会报StopIteration
错误
>>> ret = r.__next__()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
利用生成器创建一个类似xrange
的功能
代码
# 创建一个生成器函数,函数名是range,n是传入的参数,也是输出的数的最大值
def range(n):
# 默认从0开始
start = 0
# 进入while循环,如果最小值小于最大值就进入循环
while start < n:
# 第一次返回start,下面代码不执行
yield start
# 第二次进来的时候start = start + 1,然后进入下一次循环
start += 1
# 停止的参数为5
obj = range(5)
# 第一个数赋值给n1
n1 = obj.__next__()
# 第二个数赋值给n2
n2 = obj.__next__()
# 第三个数赋值给n3
n3 = obj.__next__()
# 第四个数赋值给n4
n4 = obj.__next__()
# 第五个数赋值给n5
n5 = obj.__next__()
# 输出这五个数的值
print(n1,n2,n3,n4,n5)
执行结果
C:\Python35\python.exe F:/Python_code/sublime/Week5/Day03/s1.py
0 1 2 3 4
Process finished with exit code 0
迭代器
具有访问生成器的能力,可以访问到生成器的值,类似于生成器的__next__
方法,一个一个值一个值得去迭代,只能够按照顺序的去查找。
特点:
访问者不需要关心迭代器内部的结构,仅需通过next()方法不断去取下一个内容
不能随机访问集合中的某个值 ,只能从头到尾依次访问
访问到一半时不能往回退
便于循环比较大的数据集合,节省内存
优化上面range
或xrange
的生成器
def irange(start, stop, step=1):
while start != stop:
yield start
start += step
else:
raise StopIteration
for n in irange(1, 10):
"""for循环只要遇到StopIteration就会停止"""
print(n)ret = irange(1, 20)
print(ret) # 返回一个生成器,相当于只在内存中创建了一个值
print(list(ret)) # 如果想要得到全部的值,变成列表就可以
/Library/Frameworks/Python.framework/Versions/3.5/bin/python3.5 /Users/ansheng/MyPythonCode/hello.py
1
2
3
4
5
6
7
8
9
<generator object irange at 0x1021df7d8>
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
Process finished with exit code 0