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））
) v  W( Q3 F. ?* o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
, h' Z% U; X. e0 W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

; b; u* s- U/ G% x* x+ {
) C; w; i0 b. v' `2 }  c. Y优点：
' H# E7 n/ X$ s" m, ?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
8 C# ]8 d$ C& N9 T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
$ ]% d/ i3 t& K2 R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
4 d# D6 K0 o3 ]6 n3 S8 `二、迭代器
# y. P3 |% c5 u" c# H+ a: Q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
3 v8 y. p8 l" _# U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
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
" C2 i! s( e! O! L( X
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
7 t- o/ t% x6 J) ^0 l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
3 L, g# \$ c9 c& r- V1 G( F& M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`
  T# w" T5 o. a# \; |1 d不能直观的看到里面的数据
3 h3 F6 r6 |' r) J+ ?% c0 D三、可迭代对象与迭代器对比
% T& Q- ~- y* R( b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）
直观，可以直接看到里面的数据
% p; d! h# S5 P% f. j) I2 Y1 \1 e8 r5 s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
! S% f  T, A/ ~+ {1 o( r3 W2 O5 z" t迭代器：
节省内存，按需取值
# l) b9 O8 M% K2 z3 ?2 a" v4 Z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
" p; q. G9 \  M( s( p1 _四、生成器
# i) f9 \$ H' j) r( g4 F; Y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
- J- |& X+ u! A) \6 l8 }
1 f: T2 c) e1 y) V* s定义生成器的方式：
! L9 O, V. Y6 ^8 h* @/ D通过生成器函数构建生成器
1 L$ W! F: F) i& D7 v) m
$ A2 z( c# B* b6 _/ G+ g% L2 ]

3 g/ z8 v8 n! r8 ~& `- }+ d0 Z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
) G9 q' p) K: S4 ?! ^
也可以在一个函数里定义多个 yield
8 @. j- v: r. ~: \+ T1 z) ?& g
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
% s4 u7 \" w' f3 S2 g9 Z3 z
yield 与 return 的区别

5 J5 _1 |* J: y! v& p) _& C1 Xreturn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
" n9 c. `0 ^( a# B( 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
: I  j$ x6 @, z& u( g$ f4 W

5 r) k% V3 s) c$ F: q; e1 k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）：
5 i  B  E: c* B$ H; L/ D

. T0 x* P/ e6 Q* |: r& o3 d6 `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
6 M5 t1 Q# Z5 ^; D4 u
, L1 z! i! V$ f( X5 c, ^. 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

7 B! u4 |# ?# J6 P! M, @/ I在使用 send() 的时候，可以将参数传入生成器中使用
" K/ @( w+ W, [
, [0 L9 `1 R3 ^! R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

' z. o- H0 {' u' {0 _$ h7 J
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
' X4 u9 n  o3 A. i* k
, R( P! y5 U, N

: s# y* Q( W) k# u9 l- e通过推导式构建生成器
; y. D# D6 D& o+ z" v% g) i列表推导式：
( s- d4 K6 h+ A) ^( O8 _9 m* H2 {  h
生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
. W$ i5 M' R" C# X* K

. l/ w8 O* l( r- t列表推导式和生成器推导式的区别：
- k( q7 m/ a& i: T
# R0 h" J5 A8 \! w; F- D, m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
8 k# G8 z. j- M. `8 v: x1 E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

dwadasd

多谢大神分享
( N+ X; s- t' F; Z) T/ m/ n- y# U

dwadasd

太好了太好了