【python进阶】生成器 & 迭代器

冷不防 2022-03-27 09:00 172阅读 0赞

参考链接：[https://eastlakeside.gitbooks.io/interpy-zh/content/Generators/Iterable.html][https_eastlakeside.gitbooks.io_interpy-zh_content_Generators_Iterable.html]

--------------------

## 迭代器 ##

Python中任意的对象，只要它定义了可以返回一个迭代器的\_\_iter\_\_方法，或者定义了可以支持下标索引的\_\_getitem\_\_方法(这些双下划线方法会在其他章节中全面解释)，那么它就是一个可迭代对象。简单说，可迭代对象就是能提供迭代器的任意对象。

许多Python 2里的标准库函数都会返回列表，而Python 3都修改成了返回生成器，因为生成器占用更少的资源。  
生成器也是一种迭代器

**iter**() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 **next**() 方法并通过 StopIteration 异常标识迭代的完成。

**next**() 方法（Python 2 里是 next()）会返回下一个迭代器对象。

创建一个返回数字的迭代器，初始值为 1，逐步递增 1：

class MyNumbers:
      def __iter__(self):
        self.a = 1
        return self
     
      def __next__(self):
        x = self.a
        self.a += 1
        return x
     
    myclass = MyNumbers()
    myiter = iter(myclass)
     
    print(next(myiter))
    print(next(myiter))
    print(next(myiter))
    print(next(myiter))
    print(next(myiter))

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjM3Mjg3OQ_size_16_color_FFFFFF_t_70]

## xrange和range的区别 ##

xrange返回的就是一个生成器  
要生成很大的数字序列的时候，用xrange会比range性能优很多，因为不需要一上来就开辟一块很大的内存空间，这两个基本上都是在循环的时候用：  
在python3里面，xrange已经被并到了range  
也就是你打印range的类型，已经是一个生成器了。

print(range(5))
    print(list(range(5)))
    print(type(range(5)))
    a = range(5)
    print(a[0])

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjM3Mjg3OQ_size_16_color_FFFFFF_t_70 1]  
python3都修改返回成了生成器了

## python yield ##

参考链接：[https://www.jianshu.com/p/d09778f4e055][https_www.jianshu.com_p_d09778f4e055]

使用了 yield 的函数被称为生成器

1.  通常的for…in…循环中，in后面是一个数组，这个数组就是一个可迭代对象，类似的还有链表，字符串，文件。它可以是mylist = \[1, 2, 3\]，也可以是mylist = \[x\*x for x in range(3)\]。  
    它的缺陷是所有数据都在内存中，如果有海量数据的话将会非常耗内存。
2.  生成器是可以迭代的，但只可以读取它一次。因为用的时候才生成。比如 mygenerator = (x\*x for x in range(3))，注意这里用到了()，它就不是数组，而上面的例子是\[\]。
3.  我理解的生成器(generator)能够迭代的关键是它有一个next()方法，工作原理就是通过重复调用next()方法，直到捕获一个异常。可以用上面的mygenerator测试。
4.  带有 yield 的函数不再是一个普通函数，而是一个生成器generator，可用于迭代，工作原理同上。
5.  yield 是一个类似 return 的关键字，迭代一次遇到yield时就返回yield后面(右边)的值。重点是：下一次迭代时，从上一次迭代遇到的yield后面的代码(下一行)开始执行。
6.  简要理解：yield就是 return 返回一个值，并且记住这个返回的位置，下次迭代就从这个位置后(下一行)开始。

def yield_test(n):
        for i in range(n):
            yield call(i)
            print("生成器里面的数:",i)
            # 做一些其它的事情
        print("do something.")
        print("end.")
    
    def call(i):
        return i * 2
    
    
    for i in yield_test(5):
        print('yield相当于return:', i)

可以看到输出为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjM3Mjg3OQ_size_16_color_FFFFFF_t_70 2]

### 计算斐波拉契数列的生成器 ###

def fibon(n):
        a = b = 1
        for i in range(n):
            yield a
            a, b = b, a + b

函数的使用方法：

for x in fibon(100):
        print(x)    #这里的x是yield返回的值，然后继续执行生成器的下一句

这样不用担心使用大量的资源

### 测试生成器内部next函数 ###

def generator_function():
        for i in range(3):
            yield i
    
    gen = generator_function()
    print(next(gen))
    # Output: 0
    print(next(gen))
    # Output: 1
    print(next(gen))
    # Output: 2
    print(next(gen))

可以看到最后输出了异常，停止迭代  
![在这里插入图片描述][20190112215404909.png]

### iter迭代器 ###

my_string = "Yasoob"
    next(my_string)

python会报错：不是一个迭代器  
![在这里插入图片描述][20190112215537309.png]

my_string = "Yasoob"
    my_iter = iter(my_string)
    print(next(my_iter))

可以看到会输出Y

[https_eastlakeside.gitbooks.io_interpy-zh_content_Generators_Iterable.html]: https://eastlakeside.gitbooks.io/interpy-zh/content/Generators/Iterable.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjM3Mjg3OQ_size_16_color_FFFFFF_t_70]: /images/20220327/755ff087d60843daa1d6bcf8b2879237.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjM3Mjg3OQ_size_16_color_FFFFFF_t_70 1]: /images/20220327/40d8876b605d4992af28e384f5f9f442.png
[https_www.jianshu.com_p_d09778f4e055]: https://www.jianshu.com/p/d09778f4e055
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjM3Mjg3OQ_size_16_color_FFFFFF_t_70 2]: /images/20220327/c33e870925284bf5b8994a161e823724.png
[20190112215404909.png]: /images/20220327/35ffb57b4cab41419d3ceb51d90ee6c7.png
[20190112215537309.png]: /images/20220327/f318eb1adbf0481ab303d7a6705e8c07.png