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））
# q3 Q* M2 F2 r- }9 j' [. D* 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
专业角度：内部含有 '__iter__‘ 方法的对象
) ?& e/ k; u) `: L* D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


- D6 W* e- I! ?7 \优点：
- Z& x3 [3 n, ~, r: E" x- D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
% K  t* z8 B! ^. p拥有较多的方法，操作方便：增删查改等
缺点：
; H& }5 [7 l* B6 R5 x( D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
( m7 g$ w! R1 p# ]5 [0 Z3 h# J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
0 g# h, b, [: ~4 K; Y9 U2 p8 B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
3 I1 T. E3 U. D0 Y4 s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

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

/ D) Z% S+ u- b1 M: b8 a9 w) p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）
2 T/ J3 m+ T& U& }. W6 w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
( T9 _% M8 {: ]6 A8 a  I不能回头：只能一直往下取值，取过的值没保存就没了`
$ d9 n( U: q' `  P不能直观的看到里面的数据
三、可迭代对象与迭代器对比
, e3 d; v- s7 z% [2 _0 \- d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）
: J/ J; Y& ?' ?- H2 Y( g; e1 f3 @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
+ D+ |4 Y! L- j$ G% _  D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：
5 [8 F" }, O" r3 C节省内存，按需取值
/ g' s" p6 T3 W2 G) }5 |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
7 y$ P3 R' S" L四、生成器
# K% c2 o' Q2 e/ j4 F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

, M$ H$ t# m  ]' H9 I4 n0 K1 B! n定义生成器的方式：
通过生成器函数构建生成器
: T/ w+ e3 \4 q
9 t) s- X8 A/ J8 \) @
4 P9 T5 V1 t5 a. d8 f& ~* w
& K: _: [0 x% ^% x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
# m% n( p: M# F' o. [& z
) Z, J( z' `+ G4 W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
4 D+ }3 g) E/ d' w/ q, V' S  Q6 c
' R  K4 K, B& D! E2 I0 R7 Ayield 与 return 的区别
6 Q5 t7 s" T) Z+ U, {
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
/ Y0 [* z, l% ~5 @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
( \- g7 F' t5 ?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
7 C4 T0 k, `3 P9 \* E
$ ]& r: A  e# F& W# Q1 T2 ?( x  t
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

7 j5 L4 n- w, Q4 @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
" F9 _& W- X3 a' M1 Q% z& J( E
在使用 send() 的时候，可以将参数传入生成器中使用

4 c2 r1 {- F( J  q4 [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
- o& f6 H( v. ?+ |- w3 E9 G( @
1 R0 ]/ s, b- r: w8 X% Syield 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
$ k% g+ A5 m1 j$ L) s

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

( x) v5 u' a4 v5 M1 f

通过推导式构建生成器
$ z4 _. Z  ]# O. l列表推导式：
* o! w" \1 w& {& h" k
) W% v: A& g9 _& B生成器表达式：和列表推导式差不多，把 [] 改成 () 即可

' c6 M* v; B0 V
1 i. e$ I+ Q5 L列表推导式和生成器推导式的区别：

4 j2 z! g# b6 c) T/ Q( ?4 q, p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
8 v: S, G" `  S. |# X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
* |3 v, s3 f% s8 F  G4 N4 Z————————————————
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。
' h: ?5 d. r" w: G原文链接：https://blog.csdn.net/weixin_42511320/article/details/105676143


4 j/ u" l9 @, {: `& d. a3 @' ]  F

dwadasd

多谢大神分享

dwadasd

太好了太好了