Python 迭代器、生成器

zhangtt123

一、可迭代对象
字面意思：
对象：Python 中一切皆为对象（巧了 Java 也是（手动滑稽））
- _0 B0 T# V/ d7 S  D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
% ]1 K1 b" Y. |! W目前学过的可迭代对象：str、list、tuple、dict、set、range、文件句柄等
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

! a3 r8 e1 d$ d# a" \4 X
. V/ C2 x  O; q/ M" p1 f优点：
& J2 t: i+ l: _  N/ R+ U4 D' o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
4 i1 \: `" ?9 I2 N: }7 T; N! J% W8 x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
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
7 e: [2 y( ?1 E2 h' k! r9 V: @二、迭代器
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
1 d- G# q: x. X: U1 x9 X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
& U) {9 E9 G3 O9 L- L8 f$ i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

- w# ]$ y% P. g" B- s  y* f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
1 V" J2 B' `( f$ Z8 H
0 r4 \7 ?& O6 T, d5 D7 g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）
6 v4 X: _4 ]1 T1 q, `. H. T- `& r惰性机制：next 一次只取一个值，绝对不多取
) q$ ~' f: T( \+ u. }% i7 s缺点：
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`
0 P5 d  F; ~3 h2 ?6 V不能直观的看到里面的数据
3 b8 h  U/ u7 G. R三、可迭代对象与迭代器对比
' N+ E+ t* r3 X  E, f2 ]6 V4 ~. g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）
+ l3 h- D. x9 [) ]直观，可以直接看到里面的数据
占用内存
不能直接通过循环迭代取值
3 m( F# ^5 v0 o8 y, R0 [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
迭代器：
节省内存，按需取值
+ y+ m. b+ d+ u* X5 f可以直接通过循环迭代取值
+ y( ^  r6 q& x数据不直观，操作方法单一
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
0 q1 Q/ \/ E) }4 h# e# T: ]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

0 t4 r. d5 p8 c# A# J7 M4 t定义生成器的方式：
" Y: s7 ~1 }. C. ]6 b通过生成器函数构建生成器



1 L# c% z0 L3 o" Y# D  F( k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
* c  }! i+ i2 M3 K
也可以在一个函数里定义多个 yield
/ f. X. s$ |/ b: V
8 v: x6 Z. o# u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
* L7 @3 ~% F5 [
yield 与 return 的区别
( M& t# M# R9 c7 G5 v! b8 x. @& O# ~
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
* w. m- p8 A4 \1 V1 L3 Hyield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
应用举例：

" C, e( a/ `; }; m. M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

) k0 V* D2 x# o  d# s3 J
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）：

7 ]+ e/ l) X" c# Q2 S
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
* H) {) E; q0 Y
4 |1 d/ D/ H* C6 S- b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 g* ^/ H: G" X' R/ [+ y0 B
在使用 send() 的时候，可以将参数传入生成器中使用
3 r' }8 F! R6 `% W1 K
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

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
/ P( T% P" m+ b" u* k+ |

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
, g; G2 \  a3 j7 N. q% f9 U


, v  {. G5 E; \通过推导式构建生成器
3 J0 G- ?+ h) g7 j$ O7 v0 M列表推导式：
8 O$ Z; C# x% K: o( t  J8 }' o
生成器表达式：和列表推导式差不多，把 [] 改成 () 即可


( K, V, `! \+ m: z2 g2 m$ U! n, \列表推导式和生成器推导式的区别：

! t  {5 |' |+ v+ B' J% a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
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
7 L. w) h' N1 W7 }+ r1 ^列表推导式一目了然，生成器表达式只是一个内存地址
! @- N( ~  G8 v2 F) Z# _& M————————————————
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。
+ c, g* E+ Y6 i) f原文链接：https://blog.csdn.net/weixin_42511320/article/details/105676143
% n+ F3 [4 l& ^& W! K
( e8 B9 m2 s2 m$ Z

dwadasd

多谢大神分享

dwadasd

太好了太好了
7 f( Z9 t* f' p- x; ]! V  ^