Python 迭代器、生成器

zhangtt123

一、可迭代对象
/ k. d% Z$ w* K字面意思：
对象：Python 中一切皆为对象（巧了 Java 也是（手动滑稽））
" @) Y( W4 `# ~; d* M  p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
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


! [5 q6 ?; y- D优点：
/ b( q: n, w  a, C) v3 I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
* U  |( V5 ~& n/ V拥有较多的方法，操作方便：增删查改等
缺点：
, O* d6 O0 |8 G7 ^3 h+ c% L: k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
$ S) ^* _" e# S, \3 ?& w7 i# G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
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

% g5 E% ~  E9 q. p- `+ \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）
+ T: F! U& U8 D( I* y. }( Z惰性机制：next 一次只取一个值，绝对不多取
$ V  t6 y- S' j1 H9 |# \: `. W3 X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`
" e/ k+ X. f. C, {不能直观的看到里面的数据
9 q$ e0 t' C  V  R/ o5 T4 U5 I三、可迭代对象与迭代器对比
可迭代对象：
1 @. {% k" u! ]" c8 y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）
- I9 d! X( t8 y! P# N2 J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
$ A  y( b: g/ A# P5 O* ~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：
节省内存，按需取值
可以直接通过循环迭代取值
5 I7 g8 o, i8 g8 K' a数据不直观，操作方法单一
& U: v% Q1 f5 F5 a' c' ~( K, u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

定义生成器的方式：
  a/ o) L5 H; }6 n& r通过生成器函数构建生成器
9 ]+ s/ {/ u: ?2 `: p


  S8 Y) i" 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
6 w% j# R& s+ G5 c- B5 s
也可以在一个函数里定义多个 yield

9 B0 i# z# P( L* H: A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
0 M8 R) j- M* n
yield 与 return 的区别
# C& `3 L  j7 X+ a
: _& S* K6 }$ \5 W5 W4 E8 z( greturn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
+ C5 G- E/ Q" }, h" u, B3 `- j9 |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


* D% R  U( Y- j4 _5 N  _" H/ a9 A; 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）：
; D- X* L$ [+ H! c7 ^2 @2 G

$ X! Q. ?/ ^# a% D( `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

' Y' ]# t9 p4 d& a3 T4 A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
$ I7 T0 b& G( ~3 c1 Y; ~/ I3 R
在使用 send() 的时候，可以将参数传入生成器中使用
6 F4 x; t5 f9 P; M6 b" i) m3 T
# B: g8 O& e8 _$ u/ L6 z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
+ W! h1 S! ?' R( \0 [! p
& y( M% t- I- C% l! Iyield 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


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
- O3 E. C: U5 |! F5 y
+ }9 _; U% h3 I' E
1 e) E, @6 [8 l/ \
% Y% _. p& N3 K7 T% c通过推导式构建生成器
/ |) q& y# S5 d  `列表推导式：

" ^- ]+ X5 e5 {# g0 s; D1 T5 b! Q生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
( }4 ]1 X$ [6 |

3 R) \/ B" c- T, X- y, A- Q, a列表推导式和生成器推导式的区别：

$ u; I( |7 r& q; W- q" l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
列表推导式一目了然，生成器表达式只是一个内存地址
; q) K& @' j; |/ p: v————————————————
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
' ~, }+ U) I' A8 o
' U7 d/ V( f  o' d( a
0 M& N2 k7 H2 r( \6 Y( Q: C$ Y

dwadasd

多谢大神分享
8 c# p9 ?6 ]# W% H+ b' V

dwadasd

太好了太好了