Python 迭代器、生成器

zhangtt123

一、可迭代对象
& F# L: K9 e1 P- E3 z4 ]字面意思：
* z" `( J( S2 E对象：Python 中一切皆为对象（巧了 Java 也是（手动滑稽））
可迭代：可更新迭代，重复、循环的一个过程，每次更新迭代都会获得新的内容
专业角度：内部含有 '__iter__‘ 方法的对象
& p" Q; c8 q& R目前学过的可迭代对象：str、list、tuple、dict、set、range、文件句柄等
+ `. j% t; S% i0 ~% L判断一个对象是否是可迭代对象：看是否有 '__iter__' 方法，dir() 可以获取一个对象的所有方法；或者使用 isinstance(object, collections.iterable) 来判断对象是否是可迭代对象的一个实例

: ~. q3 H* h- s* b+ o" D. f
5 b$ s2 L4 v; l, _1 @. P优点：
  g% r4 U/ ?* W5 D存储的数据直接能显示，比较直观：比如直接 print 一个可迭代对象，就会调用 __str__ 方法（相当于 Java 中的 toString），把可迭代对象的值打印出来
拥有较多的方法，操作方便：增删查改等
缺点：
占用内存：一旦创建了一个可迭代对象，就会将该对象的内容全部加载到内存中
2 R% a, M6 A+ B不能直接通过 for 循环，不能直接取值（通过索引、key等）。诸如通过 for i in iterable 这种形式获取元素实际上也是调用了 __iter__ 方法先将可迭代对象转换成迭代器再进行获取
二、迭代器
! }# ~0 z1 o$ h& V字面意思：器，工具，迭代器也就是可以一直更新迭代取值的工具
专业角度：内部含有 __iter__ 方法且含有 __next__ 方法的对象就是迭代器；或者使用 isinstance(object, collections.iterator) 来判断对象是否是可迭代对象的一个实例
! `' p5 s: n/ u0 n) F把一个可迭代对象转换成迭代器：使用 iter() 方法或使用对象的 __iter__ 方法

迭代器取值：使用 next() 方法或对象的 __next__ 方法；当迭代器的值去玩了继续取，就会报StopIteration异常，所以一般使用迭代器需要做异常处理
" F* k3 z' }4 O# f8 j, O0 ~
优点
节省内存：迭代器并不会一次性将对象的值全部加载到内存中，而是需要时才加载（类似 sed）
( S: g! N" c6 b% C8 c& H. s惰性机制：next 一次只取一个值，绝对不多取
缺点：
0 s7 D" o) |. C) Z7 A2 E速度慢：需要一直 next
不能回头：只能一直往下取值，取过的值没保存就没了`
' g8 Y, M. B6 _* a5 ?不能直观的看到里面的数据
三、可迭代对象与迭代器对比
可迭代对象：
私有方法多，操作灵活（比如列表，字典的增删改查，字符串的常用操作方法等）
' W0 R8 ~8 u8 a" n  s, w直观，可以直接看到里面的数据
6 N4 M7 L& D1 A' ^+ o* m$ |+ U占用内存
' {) Z9 Z+ J- n7 c4 W% R不能直接通过循环迭代取值
应用：当你侧重于对于数据可以灵活处理，并且内存空间足够，将数据集设置为可迭代对象是明确的选择
9 i+ @: o# x0 s& q迭代器：
: I, \0 L2 L+ A节省内存，按需取值
* i/ Q7 s2 G# a可以直接通过循环迭代取值
& a" _  }( \: J7 V$ A7 ^5 g  |7 z8 ^8 T数据不直观，操作方法单一
1 m- u& a; f! q' y% G' i应用：当你的数据量过大，大到足以撑爆你的内存或者你以节省内存为首选因素时，将数据集设置为迭代器是一个不错的选择
四、生成器
生成器的本质就是迭代器，唯一的区别是生成器是我们自己用代码构建的数据结构，迭代器是 Python 提供的，或者通过可迭代对象转化得来的
- J5 }1 L4 U+ }) l3 k
定义生成器的方式：
通过生成器函数构建生成器

3 \# ?  R# a* u% N3 V

这就是最简单的生成器函数。实际上这个 yield 就替代了 return，不仅将函数变成了生成器函数，还会将后面的值在调用 __next__ 的时候返回出来

也可以在一个函数里定义多个 yield
' C, f. q( R' m2 y3 u; M
之前说过，生成器本质上还是迭代器，一个 yield 对应一个 next，当 next 的数量超过了 yield，就会报 StopIteration

0 {) x. l& R( u* r, _yield 与 return 的区别
6 z8 u" D7 A( }+ h$ s) e7 {
9 J  \) i& q  H  G8 ?return一般在函数中只设置一个，他的作用是终止函数，并且给函数的执行者返回值
8 T2 A2 Q7 x% {" }& l9 kyield在生成器函数中可设置多个，他并不会终止函数，next会获取对应yield生成的元素
% ~; q$ r4 r2 |5 u, @3 v应用举例：
6 J: P+ _+ P* S& x3 H0 n
买 5000 个包子，假设这个老板很厉害，一下子就把 5000 个包子做出来卖给我们，可是我们只有 5 个人，一下子吃不完，那包子就会冷掉、臭掉、被丢掉浪费了
3 a. R* O$ u3 J* h( T; Z
8 j6 g$ B/ s8 d8 a( r
如果这个老板可以在我们需要多少个包子就做出来多少个包子的话，这样做出来的包子就不会被浪费了（比如我们每个人一口气能吃 40 个包子，那每次就做 200 个包子）：


  o2 L2 L2 p; }5 w. z+ b' r: \$ H6 p除了 使用 next() 触发 yield 之外，生成器还有一种方法 send()，这个方法可以在调用 yield 的同时传值给生成器内部

* q- j# L# k! V0 v可以看到在使用 next() 的时候，只能获取到 yield 的值，但不能传递值
8 Y+ i, I2 i( s0 v0 ]$ h
在使用 send() 的时候，可以将参数传入生成器中使用

( N, }5 [& z* J需要注意的是第一次不能直接调用 send() 传参，因为每次调用生成器的时候，实际上只会返回 yield 后面的内容，然后生成器就停止了（睡眠了？），而 send() 传入的参数要通过 yield 传入生成器中（每次调用生成器在 yield 停止，然后在 yield 恢复继续允许），第一次调用并没有 yield 给我们传入参数，可以使用 send(None)，可以打断点自己分析一下
9 M' O) {; a( ?# v" O" x, M, ?
yield 会将它后面跟着的对象直接返回，如果它后面跟着的是可迭代对象，也可以使用 yield from 将这个可迭代对象变成迭代器返回
( x& d$ n/ {9 F/ d+ z) o

yield from 是将列表中的每一个元素返回，所以写两个 yield from 并不会有交替执行的效果
- R! j9 y7 j  @7 d) w: y
- K6 t  i+ D: p

通过推导式构建生成器
列表推导式：
6 ?- |8 ^; h) {: A3 c! g
" ~. N* r; F. N生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
0 }' L9 ^  ]  r; K6 e% q1 s

+ d; \7 c  e' c* x# N列表推导式和生成器推导式的区别：
; X- ?& ~( [. `6 {! j$ z2 W
列表推导式比较耗内存,所有数据一次性加载到内存；而生成器表达式遵循迭代器协议，逐个产生元素
( C5 c1 U' _) U得到的值不一样：列表推导式得到的是一个列表；生成器表达式获取的是一个生成器
列表推导式一目了然，生成器表达式只是一个内存地址
' l8 i9 D, w4 b5 e# j2 P+ T1 P6 N- Y————————————————
版权声明：本文为CSDN博主「阿玮d博客」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_42511320/article/details/105676143


4 K+ c) _1 s; Z7 k4 r0 e# W

dwadasd

多谢大神分享

dwadasd

太好了太好了
5 Z3 W/ \6 l+ @2 _6 n