Python生成器與迭代器詳情
1、生成器
現在可以通過生成器來直接創建一個列表,但是由於內存的限制,列表的容量肯定是有限的,如果我們需要一個包含幾百個元素的列表,但是每次訪問的時候隻訪問其中的幾個,那剩下的元素不使用就很浪費內存空間。
這個時候生成器(Generator
)就起到瞭作用,他是按照某種算法不斷生成新的數據,直到滿足某一個指定的條件結束
得到生成式的方式有如下幾種:
通過列表生成式來得到生成器,示例代碼如下:
g = (x for x in range(10)) # 將列表生成列的[]改變成為() # 打印其類型 print(type(g)) # <class 'generator'> # 調用其元素 print(g.__next__()) # 0 print(g.__next__()) # 1 print(g.__next__()) # 2 print(g.__next__()) # 3 print(g.__next__()) # 4 # 使用.__next__的方式調用 print(next(g)) # 5 print(next(g)) # 6 print(next(g)) # 7 print(next(g)) # 8 print(next(g)) # 9 # 使用next()的方法調用 print(next(g)) # 當數據調用不到時會報出錯誤 StopIteration
需要多少調用多少,不調用的不會生成,也就不會占用內存空間,可以使用循環結構來按照需要來調用
g = (x for x in range(10)) # 將列表生成列的[]改變成為() skip = True # 判斷條件 count = 0 # 調用次數 while skip: count += 1 # 循環一次+1 print(next(g)) if count > 9: break # 跳出循環
使用函數借助yield
關鍵字來完成一個生成器,生成斐波那契數列的前20個數,示例代碼如下:
def fun(length): a, b = 0, 1 for _ in range(length): a, b = b, a + b yield a fib = fun(20) print(type(fib)) # <class 'generator'> # 打印類型 count = 0 while count < 20: # 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181 6765 print(next(fib), "", end="") count += 1
流程如下:
在執行過程中,遇到yield
關鍵字就會暫停執行,下次調用則繼續從上次暫停的位置繼續執行,因為是一個循環語句,所有會直接跳到for
語句
如果在調用yield
,需要給它傳值,就要使用.send()
方法瞭。
示例代碼如下:
def fun(num): n = 0 for i in range(num + 1): n += i ret = yield n print(f"這是+到{ret}的第{i + 1} 次") g = fun(3) print(g.send(None)) print(g.send('3')) print(g.send('3')) print(g.send('3')) ''' ---輸出結果--- 0 這是+到 3 的第 1 次 1 這是+到 3 的第 2 次 3 這是+到 3 的第 3 次 6 '''
send
的加入可以使生成器更加靈活,但是需要註意的是第一次調用生成器的send()
方法時,參數隻能為None
,否則會拋出異常。當然也可以在調用send()
方法之前先調用一次next()
方法,目的是讓生成器先進入yield
表達式。
2、迭代器與可迭代的生成器
可迭代的對象有生成器、元組、列表、集合、字典和字符串等
通過collections
的Iterable
函數結合isinstance
(object, classinfo)來判斷一個對象時不是可迭代的對象
迭代是訪問集合元素的一種方式。迭代器是一個可以記住遍歷的位置的對象。迭代器對象從集合的第一個元素開始訪問,直到所有的元素被訪問完結束。迭代器隻能往前不會後退。很生成器也是迭代器。
可以被next ()
函數調用並不斷返回下一個值的對象稱為迭代器: Iterator
,可以使用isinstance()
判斷一個對象是否是Iterator
對象:
註意:可迭代的不一定是生成器,但是生成器一定第可迭代的。
把元組、列表、集合、字典和字符串等Iterable
變成Iterator
可以使用iter()
函數
Iterable
和Iterator****
的區別是Iterable
是可以作為for
循環對象的統稱;而Iterator
對象需要被next()函數調用才不斷返回下一個數據,直到沒有數據時拋出StopIteration
錯誤,而在這之前是不會知道其長度的,所以Iterator的計算是惰性的,隻有next()
函數叫他才會返回結果,Iterator
甚至可以表示一個無限大的數據流,例如全體自然數。
from collections.abc import Iterable, Iterator a = [1, 2, 3] b = {1, 2, 3} c = (1, 2, 3) d = "123" e = 123 f = (x for x in range(5)) # 打印數據類型 print(type(a)) # <class 'list'> print(type(b)) # <class 'set'> print(type(c)) # <class 'tuple'> print(type(d)) # <class 'str'> print(type(e)) # <class 'int'> print(type(f)) # <class 'generator'> print("-" * 20) # 打印是否為可迭代對象 print(isinstance(a, Iterable)) # True print(isinstance(b, Iterable)) # True print(isinstance(c, Iterable)) # True print(isinstance(d, Iterable)) # True print(isinstance(e, Iterable)) # False print(isinstance(f, Iterable)) # True print("-" * 20) # 除瞭字符串都是可迭代對象 # 打印是否是迭代器 print(isinstance(a, Iterator)) # False print(isinstance(b, Iterator)) # False print(isinstance(c, Iterator)) # False print(isinstance(d, Iterator)) # False print(isinstance(f, Iterator)) # True # 隻有f(生成器)是迭代器 print("-" * 20) # 通過iter()將可迭代轉換為迭代器 print(isinstance(iter(a), Iterator)) # True print(isinstance(iter(b), Iterator)) # True print(isinstance(iter(c), Iterator)) # True print(isinstance(iter(d), Iterator)) # True
到此這篇關於Python生成器與迭代器詳情的文章就介紹到這瞭,更多相關Python生成器與迭代器內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Python淺析迭代器Iterator的使用
- Python高級特性之切片迭代列表生成式及生成器詳解
- 一文搞懂python 中的迭代器和生成器
- 一篇文章帶你學習Python3的高級特性(2)
- Python元類與迭代器生成器案例詳解