Python 迭代器、生成器

zhangtt123

一、可迭代对象
字面意思：
6 J' a8 a+ r% h' ]( L2 V0 D对象：Python 中一切皆为对象（巧了 Java 也是（手动滑稽））
; G0 t. M( u0 F5 l/ c* s/ `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
+ m2 A+ h  r4 m  y专业角度：内部含有 '__iter__‘ 方法的对象
3 i2 E- x( k( F" m6 Z. V3 H4 z0 u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
2 B0 s  \- [6 q' o* ^/ j; }
7 a' b0 t' Q! n0 Z, W1 ]! K* f. H7 c
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
. R* s+ ]" t# ]4 Z; ~拥有较多的方法，操作方便：增删查改等
5 Z8 O$ }' [2 \7 |缺点：
7 x5 U. ]* X0 f: m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
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
, y# W7 M) ]: W" w  v' [9 o8 [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
; e, C7 G7 t  [7 ]) W1 V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
( P  r* N" M' W% b# T2 \
+ M9 A4 r3 d6 y  M, x$ a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
& r4 M: C& F& M( x
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）
# H) @  K7 v0 B1 Q+ ^惰性机制：next 一次只取一个值，绝对不多取
2 f9 ^6 w6 B6 S* M* _7 v; \缺点：
% Z  y, w3 P5 q7 |3 Y7 C速度慢：需要一直 next
# d5 f8 K- p6 @不能回头：只能一直往下取值，取过的值没保存就没了`
不能直观的看到里面的数据
% s8 g; F, t: g* `$ C/ I+ G  O- o  s三、可迭代对象与迭代器对比
可迭代对象：
0 a; |2 J& f7 c; _% d5 U# |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）
& v8 b. Z  v& X* u) ^/ u直观，可以直接看到里面的数据
7 V% T0 P* [1 C占用内存
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
$ n9 H3 M; H, Q9 m: N! Z- a迭代器：
* U& E  M: I& y  s' L7 V6 k1 A5 M节省内存，按需取值
% E$ W% H' l" h( Q可以直接通过循环迭代取值
数据不直观，操作方法单一
  l& q( h3 G7 N' E2 E' m  p/ p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
5 J' B* ?9 X+ X3 F
: y2 V0 H3 Y' t5 G2 Y定义生成器的方式：
通过生成器函数构建生成器

; C9 \/ U5 U  q; q$ Y  Y6 Y2 x
, Y& n) F/ J! ~. C
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
0 a& Y  E; Q/ P1 @  e9 \
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

yield 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
, ]1 A/ [; V0 p; v" S# byield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
2 {$ B9 H1 U( \1 P9 f1 ]% q应用举例：
3 Z9 Y' G1 V) D! F
9 q% n% X- R( D( h2 E' S- ^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. `2 }7 k+ M' a8 R$ f( E/ {& P
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）：

& S# B$ q/ v3 a+ u9 u+ b
: B% G4 G& H+ j; |7 u! o: _# S  T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
: N0 m* T/ S* ~* w  C$ X
( P: Q9 a: r; e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) u* x( q+ v! ^3 j
在使用 send() 的时候，可以将参数传入生成器中使用
9 _& R( B& f  u& O1 _
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
' q" X2 \( j/ W6 [
3 V- V6 _$ `( j2 p  C5 [; e& Ayield 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


- \. f, B: I( u9 @8 s4 Uyield 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

7 `: p# `- ~0 P0 J0 d' b
3 V2 S$ G2 x; ~2 i
通过推导式构建生成器
列表推导式：

' ^4 J6 _# Y. L生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
- D" I: B* a. S1 T- ~
4 N3 o4 f) q3 c
列表推导式和生成器推导式的区别：
+ g& \- X" N  w. ~
$ b4 |' ~! x( p8 R+ u& y( |. ^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
1 N4 o% h2 k4 G+ h( `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
————————————————
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

# Z% g) W- O% W; y
, [, w. p# r( F# P5 d" g- c

dwadasd

多谢大神分享

dwadasd

太好了太好了