Python 迭代器、生成器

zhangtt123

一、可迭代对象
字面意思：
  y7 e  f/ B* I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
9 @, n, C. y% D9 `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
- h" X" r$ U5 N  F) r5 R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

9 [# w/ H8 d" l) Q- ?, F# B1 _
% f4 G# s  k4 u& ~" {/ @优点：
; A2 R  H0 Z# |8 v2 M  E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
$ D+ F* {. O  }4 _1 J+ Q  l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
6 h% ]* G8 T. W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
& D9 x9 `, |' b, u" a二、迭代器
! Q) C  h6 {, @( ?& D- @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
- b7 M, H% U; P3 ^+ e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
; z- Z/ [0 x% j4 [' _3 T+ B5 w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

$ r$ w- j) \, E3 Z* Q5 D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
6 n9 H: E1 _) |. `/ V
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：
速度慢：需要一直 next
9 a+ _" n9 E; I: C& j不能回头：只能一直往下取值，取过的值没保存就没了`
# m* G# W+ o# ~* Z/ k不能直观的看到里面的数据
三、可迭代对象与迭代器对比
  R# e3 K4 I6 B7 x9 q: r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）
" \% `& K: m+ J/ V- ^1 J5 i6 z直观，可以直接看到里面的数据
6 p; v" M) \5 e) B& Y占用内存
不能直接通过循环迭代取值
' ^" ~/ f1 L8 E% h! h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
& c/ U; D# O$ S# t" e7 w  q迭代器：
节省内存，按需取值
- r2 e- O$ A$ t可以直接通过循环迭代取值
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
四、生成器
; t4 D9 i- U; }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

' B  g3 [, d2 A4 ~9 x% |定义生成器的方式：
通过生成器函数构建生成器

% K. T2 T/ s% E1 m+ W; e+ S
( X1 H3 \$ {2 H+ T
& J- W9 D3 O5 b* B- f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
1 H; X' i# q0 B& X$ P
也可以在一个函数里定义多个 yield
6 f% f  \6 t2 ]+ U  p
! {& `9 z/ z/ i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
" \$ k# @" }- b% T
! p$ R" K4 |8 K" c! k& t' T9 H6 L- t. Oyield 与 return 的区别

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
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
( W  E5 c3 D0 N应用举例：
" R$ }0 M9 j! D0 J0 P4 e
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
- W/ A. e" g- N# k! a" b2 y8 [

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 p, L# t0 f" S" T5 ]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
. F- O7 M* {1 i, }8 s
5 Z6 d; ?# _) B8 {  c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
5 M( J/ I- Z) x  M# o# \& `9 A
, a7 j) [7 B. S; @" I0 U在使用 send() 的时候，可以将参数传入生成器中使用

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

4 ]2 W5 t) j5 v9 z( y1 @+ \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
8 L% G9 I6 L$ o- C% s) ^0 y
. m) j- S5 p+ e3 X9 f, E
+ _8 t  q) w& r) a: ^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# v, F" c7 Y. [# r8 c  S


( {2 [. x4 c3 I/ t+ R通过推导式构建生成器
列表推导式：

9 T9 [+ c2 _/ o" q生成器表达式：和列表推导式差不多，把 [] 改成 () 即可


列表推导式和生成器推导式的区别：

9 Q0 T" j" I$ w4 b5 T7 V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
) t/ y4 C' }2 S% F* n% w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
5 Z; P$ s# I- N) G* q————————————————
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


6 l% t: w- j: U$ P, k3 \

dwadasd

多谢大神分享
  x' b& o* n& }5 X( F

dwadasd

太好了太好了