Python 迭代器、生成器

zhangtt123

一、可迭代对象
1 |- ^6 i$ V/ q! O7 U字面意思：
对象：Python 中一切皆为对象（巧了 Java 也是（手动滑稽））
3 M* T! b: Z/ ^+ M, P2 k# ~  Z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
) m% z/ A( D" X5 p专业角度：内部含有 '__iter__‘ 方法的对象
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
, t7 N9 ^3 W2 d9 ~  X; x# j3 h* d
8 ?% n  y0 c9 d
* g; C* @- o6 `8 P! o. @优点：
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
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
/ b$ N$ x5 H+ j4 \/ t3 H# r/ R: j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
& W: I+ T" k' i( 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

' s% I0 j! o4 x8 V1 }/ U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

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）
惰性机制：next 一次只取一个值，绝对不多取
缺点：
  T) K: \$ H  C# \: E5 W5 e速度慢：需要一直 next
, S$ o) \8 H8 q% J! _2 L不能回头：只能一直往下取值，取过的值没保存就没了`
( {& y; X) F. F5 \不能直观的看到里面的数据
三、可迭代对象与迭代器对比
+ q* f( m/ m6 a) B  }" x  i可迭代对象：
0 w1 q5 |' x( b. J# l. k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）
+ H/ A; w- n- t# B直观，可以直接看到里面的数据
4 v% a/ O9 T2 e4 K8 d" T9 i& m占用内存
+ O7 v9 ^: K5 h- ]4 _. f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
迭代器：
- E" M1 F% B/ ^; e$ v节省内存，按需取值
可以直接通过循环迭代取值
# O6 g$ G2 }! }1 A1 ?, Q  l数据不直观，操作方法单一
4 @2 l# C1 f6 I! l! s9 N9 u' X* b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
% Q% M- y2 ?6 |. N# D
定义生成器的方式：
3 w( K# Y8 N# w9 W+ r& j通过生成器函数构建生成器


+ x1 p" a' ]. \1 u% h
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
9 N% g" d- ]% d$ i# O3 ?8 [
也可以在一个函数里定义多个 yield

2 X) ]( u% |, j6 R* _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

& l6 V8 ?% @7 X* s# ?; ?7 q- [/ e! kyield 与 return 的区别

2 E8 Q! t3 S/ |" preturn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
yield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
  q7 n' O2 v# C( v应用举例：

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

& f" ~/ V2 I, c# ^8 ~8 h
; U  Z* U: N- k7 p; c: j& A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）：


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
: z' |3 X$ _5 l! X( \' Z
! ^& A) M+ ?  D7 ^$ P/ a4 X) G: _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

在使用 send() 的时候，可以将参数传入生成器中使用

. {- ?1 n4 ?- h2 u" f; g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
. S- l# _( Y& O& F$ Z9 _) J/ G

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
' x8 G! f- W+ `: Q& F* H

8 ?% s+ F: x, v7 [8 ]7 ~- G: A
通过推导式构建生成器
列表推导式：

, S' J) C, {9 ~) @: ]生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
7 m- S: _4 Q: _  J) A6 o

, x/ s1 o6 I5 q5 C1 I8 H列表推导式和生成器推导式的区别：
* M& |6 X- O( j+ R: i3 h
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
4 M" S, H8 L/ ?7 z$ a; `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
% f; V0 M7 y2 ?1 d( }( D0 _————————————————
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。
9 f7 l' u: Z- G4 O; u% @  t原文链接：https://blog.csdn.net/weixin_42511320/article/details/105676143

& E# U& @, u- h! Z9 a5 m- B
1 W9 |: J9 q7 R' C( q6 G; ]- H9 x  \% e

dwadasd

多谢大神分享

dwadasd

太好了太好了
% c3 [) s$ K8 q0 v