这篇“python中的迭代器和生成器怎么用”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“python中的迭代器和生成器怎么用”文章吧。
可迭代对象和迭代器
迭代(iterate)意味着重复,就像 for 循环迭代序列和字典那样,但实际上也可使用 for 循环迭代其他对象:实现了方法 __iter__ 的对象(迭代器协议的基础)。
__iter__方法返回一个迭代器,它是包含方法 __next__ 的对象,调用时可不提供任何参数;
当你调用 __next__ 时,迭代器应返回其下一个值;如果没有可供返回的值,应引发 StopIteration 异常;
也可使用内置函数 next(),此种情况下,next(it) 与 it.__next()__ 等效。
至于为什么不用列表?因为在很多情况下,使用列表都有点太浪费了。例如,如果你有一个可逐个计算值的函数,你可能只想逐个地获取值,而不是使用列表一次性获取。这是因为如果有很多值,列表可能占用太多的内存。
下面来看一个不能使用列表的示例,因为如果使用,这个列表的长度将是无穷大的!
# 这个“列表”为斐波那契数列,表示该数列的迭代器如下:class Fibs: def __init__(self): self.a = 0 self.b = 1 def __next__(self): self.a, self.b = self.b, self.a + self.b return self.a # 前面逻辑自定义,最后返回下一个值即可 def __iter__(self): return self # 返回迭代器本身(一个包含 __next__ 方法的对象) fibs = Fibs()for f in fibs:if f > 1000:print(f) # 1597break # 若不中断循环,将一直循环下去 next(fibs) # 2584next(fibs) # 4181
更正规的定义是,实现了方法 __iter__ 的对象是 可迭代的,再实现了方法 __next__ 的对象是 迭代器。
内置函数 iter()
通过对可迭代对象调用内置函数 iter(),可以获得一个迭代器。还可使用它从函数或其他可调用对象创建可迭代对象。
不过,可迭代对象在转化为迭代器后,会丢失⼀些属性(如 __getitem__() ),但同时也会增加⼀些属性(如 __next__() )。
另外,迭代器一般都是⼀次性的,当迭代过⼀轮后,再次迭代将获取不到元素;而可迭代对象可以重复使用。
it = iter([1, 2, 3]) # list 是可迭代对象哦next(it) # 1next(it) # 2next(it) # 3next(it) # StopIretation; 普通的可迭代对象是可复用的,而迭代器是一次性的,回不了头的it = iter("ABCD") # string 也是可迭代对象for i in it: print(i, end=" ") # A B C Dfor i in it: print(i, end=" ") # ⽆输出
查看对象是否实现了魔法方法 _iter_ 的四种方法:
# ⽅法1:dir()查看__iter__,详情请自己尝试dir(2) # 没有dir("abc") # 有 __iter__()# ⽅法2:isinstance()判断import collectionsisinstance(2, collections.Iterable) # Falseisinstance("abc", collections.Iterable) # True# ⽅法3:hasattr()判断hasattr(2,"__iter__") # Falsehasattr("abc","__iter__") # True# ⽅法4:⽤iter()查看是否报错iter(2) # 报错:'int' object is not iterableiter("abc") # <str_iterator at 0x1e2396d8f28>
从迭代器创建序列
在可以使用序列的情况下,大多也可以使用迭代器或可迭代对象(诸如索引和切片等操作除外)。迭代器因为缺少 __getitem__ ,因此不能使⽤普通的切⽚语法,暂未深究。
# 使用构造函数 list() 显示的将迭代器转换为列表class TestIterator: value = 0 def __next__(self): self.value += 1 if self.value > 10: raise StopIteration return self.value def __iter__(self): return selfti = TestIterator()ti2 = list(ti) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]for i in ti2: print(i, end=" ") # 1 2 3 4 5 6 7 8 9 10 print('the second:')
生成器
生成器,也被称为简单生成器(simple generator),生成器自动创建了 iter() 和 next() 方法,是一种使用普通函数语法定义的迭代器
。与函数的主要的形式差别就在于,它的函数体中有一句 yield 语句。
每次执行到 yield 处时,生成并返回一个值后,函数都将暂时停止执行,等待下一轮迭代调用,如此往复,直到迭代完。数据量大时,生成器能够极大地节省内存空间。下面还是通过斐波纳契数列来看看:
# 斐波纳契数列的生成器实现: 返回数列的前 n 项def fibs(n): a, b = 0, 1 for _ in range(n): yield a # 返回的是一个生成器 a, b = b, b+af = fibs(5)print(f) # <generator object fibs at 0x05BB20B0>print(list(f)) # [0, 1, 1, 2, 3]; 此处生成器 f 已经被迭代过一次了for i in f: print(i, end=" ") # ⽆输出; for循环会⾃动捕捉到 StopIteration 异常并停⽌调⽤ next() print(next(f)) # StopIteration
与 return 的区别:生成器不是像 return 一样返回一个值,而是可以生成多个值,每次返回一个;return 返回的话,这个函数就结束了。
生成器推导(生成式表达式)
将列表生成式的 [] 改成 () 之后,数据结构将从列表变为生成器,而不是元组。如果要包装可迭代对象(可能生成大量的值)时,若使用列表推导将立即实例化一个列表,从而丧失迭代的优势;但如果使用生成器推导的话,每迭代一次就生成一个值,没必要一次性生成全部值,这样就好的多了。而且,可以直接在既有的圆括号内(如在函数调用中)使用生成器推导时,无需再添加一对圆括号。
L = [x*x for x in range(10)] # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]g = (x*x for x in range(10)) # <generator object <genexpr> at 0x052AF8F0>print(next(g)) # 0sum(i ** 2 for i in range(10)) # 285
递归式生成器
创建一个将两层嵌套列表展开的函数:
nested = [[1, 2], [3, 4], [5], 6]def flatten(nested): try: for sub in nested: for ele in sub: yield ele except TypeError: yield sub f = flatten(nested)next(f) # 1# print(list(f)) # [2, 3, 4, 5, 6]for i in f3: print(i) # 2 3 4 5 6
创建一个将任意层嵌套列表展开的函数:
对一层列表进行遍历,遍历下层列表的时候,先对一层遍历出来的元素再调用一次 flatten 函数,这时,如果是不可再迭代的对象的话,就会报 TypeError 错误,捕捉到之后,yeild 返回,继续下一个;如果是可迭代的话,就递归下去;
def flatten(nested): try: for sub in nested: for ele in flatten(sub): yield ele except TypeError: yield nested nested = [[[1], 2], 3, 4, [5, [6, 7]], 8]print(list(flatten(nested)))
不过,上面要注意的是:前面也提到了,字符串对象也是可迭代的,而且一般我们也不会将它拆开。更重要的是,字符串的第一个元素是一个长度为 1 的字符串,而长度为 1 的字符串的第一个元素是字符串本身。
s = 'ABCD's2 = s[0] # 'A's2[0] # 'A'
这样子会造成无穷递归的。所以还需要检查一下对象是否类似于字符串:
def flatten(nested): try: if isinstance(nested, str): raise TypeError for sub in nested: for ele in flatten(sub): yield ele except TypeError: yield nested nested = [[[1], '23'], 3, '43', [5, [6, '73']], 8]print(list(flatten(nested))) # [1, '23', 3, '43', 5, 6, '73', 8]
不过,它有两个 yield 唉,这认哪个来着???pass
def flatten(nested):try:for sublist in nested:for element in flatten(sublist):print("element:", element)yield elementexcept TypeError:print("nested :", nested)yield nestedprint(list(flatten([[1, 2], [3, 4], [5], 6])))
输出:
nested : 1
element: 1
nested : 2
element: 2
nested : 3
element: 3
nested : 4
element: 4
nested : 5
element: 5
nested : 6
element: 6
[1, 2, 3, 4, 5, 6]
以上就是关于“python中的迭代器和生成器怎么用”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注编程网行业资讯频道。