Python迭代器与生成器
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.py123456789<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
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：2019-06-27 ，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
目录