Python学习（四）-列表生成式、生成器、迭代器和内置函数

原文地址：

编辑：智能算法，欢迎关注！

前几篇我们一起学了

今天一起学习列表生成式、生成器、迭代器和内置函数相关内容。

目录

1. 列表生成式

2. 生成器

3. 迭代器

4. 内置函数

1. 列表生成式

列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。

举个例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：

但如果要生成[1x1, 2x2, 3x3, …, 10x10]怎么做？方法一是循环：

但是循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的list：

还可以使用两层循环，可以生成全排列：

for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代key和value：

因此，列表生成式也可以使用两个变量来生成list：

把一个list中所有的字符串变成小写：

最后列表生成器结合函数。

2. 生成器

通过列表生成式，可以创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

2.1 把一个列表生成式的[]改成()

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

2.2函数实现

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, …

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

注意，赋值语句：

其实，等同于：

但不必显式写出临时变量t就可以赋值。

上面的函数可以输出斐波那契数列的前N个数：

fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

还可通过yield实现在单线程的情况下实现并发运算的效果

2.3 小结

a.生成式：一边循环一边计算,调用的时候才生成，只有在调用时才回生成相应的数据。只记录当前位置，只有一个next方法。（next和 __next__）

b.取值：使用for 循环c.__next__()这个方法，超出值后抛出异常为返回值。）循环不会。

c..send()：给yield发送值

d.变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

3. 迭代器

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

python版本：

3.x：range() 是迭代器

2.x：range() 是列表，xrange()是迭代器

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

所以生成器一定是迭代器。

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

4. 内置函数

官网说明文档：

https://docs.python.org/3/library/functions.html

匿名函数 lambda：就能进行简单的三元运算等。lambda还可以和谁结合着用？

filter、map、reduce 方法

filter(function_or_None,iterable) :一组数据里面过滤出符合条件的，返回迭代器

map(func,*iterables) :对你传入的每个值进行处理，返回迭代器

functools.reduce(function,sequence,initial=None)

reduce函数（python3中不属于内置函数）是一个二元操作函数，他用来将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给reduce中的函数 func()（必须是一个二元操作函数）先对集合中的第1，2个数据进行操作，得到的结果再与第三个数据用func()函数运算，最后得到一个结果。

声明：本文系网络转载，版权归原作者所有。如涉及版权，请联系删除！