生成器&迭代器
生成器&迭代器
用户1679793
发布于 2018-04-28 09:41:01
发布于 2018-04-28 09:41:01
一.生成器
在介绍生成器表达式之前，先看下列表表达式：
1 >>> l = [i for i in range(50) if i % 2] #生成数字50内所有奇数列表
2 >>> l
3 [1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, 49]生成器表达式和列表表达式一样，不过是（）起来而不是[],成器表达式产生的生成器，它自身是一个可迭代对象，同时也是迭代器本身。例如：
1 >>> gen = (i for i in range(50) if i % 2)
2 >>> gen
3 <generator object <genexpr> at 0x7f2f415eb2b0>
4 >>> gen.__next__() #使用next()方法可以访问下一个元素
5 1
6 >>> gen.__next__()
7 3
8 >>> gen.__next__()
9 5
10 >>> gen.__next__()
11 7一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器
1 def cash_out(amount):
2 while amount >0:
3 amount -= 1
4 yield 1
5 print("擦，又来取钱了。。。败家子！")
6 ATM = cash_out(5)
7 print("取到钱 %s 万" % ATM.__next__())
8 print("花掉花掉!")
9 print("取到钱 %s 万" % ATM.__next__())
10 print("取到钱 %s 万" % ATM.__next__())
11 print("花掉花掉!")
12 print("取到钱 %s 万" % ATM.__next__())
13 print("取到钱 %s 万" % ATM.__next__())
14 print("取到钱 %s 万" % ATM.__next__()) #到这时钱就取没了,再取就报错了
15 print("取到钱 %s 万" % ATM.__next__())yield的主要作用就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以重新调用这个函数，从上次yield的下一句开始执行。
二。迭代器
迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退，不过这也没什么，因为人们很少在迭代途中往后退。另外，迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合，比如几个G的文件
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
生成一个迭代器：
1 >>> a = iter([1,2,3,4,5,6])
2 >>> a.__next__()
3 1
4 >>> a.__next__()
5 2
6 >>> a.__next__()
7 3
8 >>> a.__next__()
9 4
10 >>> a.__next__()
11 5
12 >>> a.__next__()
13 6
14 >>> a.__next__()
15 Traceback (most recent call last):
16 File "<stdin>", line 1, in <module>
17 StopIteration判断一个对象是否是iterable对象：
1 from collections import Iterable
2 >>> a
3 <list_iterator object at 0x7f2f410ecfd0>
4 >>> from collections import Iterable
5 >>> print(isinstance(a,Iterable))
6 True
7 >>> print(isinstance({},Iterable))
8 True
9 >>> print(isinstance('fdsffdsf',Iterable))
10 True
11 >>> print(isinstance(100,Iterable))
12 False总结：
1.生成器都是Iterator对象，但list，tuple，str虽然是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象，因为python的Itertor表示的是一个数据流，可以被next。
2.凡是可作用于for循环的对象都是Iterable类型；凡是可作用于next()函数都是Itertor
3.经过测试生成器和列表生成器，两者占用cpu和运行速度不差上下，但是生成器只占用4g内存的0.3%，列表生成式占2.4%
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2017-07-26 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读