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））
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
7 K: R0 _: K' Y2 ?1 g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


% ?- x; N" H1 S! u. _+ f" ~优点：
  i' W& g" Z; g$ P# q6 n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
( x& c4 Z0 O# n+ x# k6 G, g拥有较多的方法，操作方便：增删查改等
& Z$ F! d- k+ w! O+ D) g3 X4 K$ p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+ q) {! @, u6 M* y. E0 n% d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
* `; d. f  ?4 ?1 {3 f- E1 m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

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
$ k) C4 X2 z" o8 B" ^- N/ I
  }; {) ^! s6 f, k# [2 j优点
. c9 b" R! w' P- H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
+ ?! s3 h) O0 R. f缺点：
3 y" q& D  O  ^& v' e' `/ o( K$ n速度慢：需要一直 next
5 \: Q0 l( g/ u' ~: P不能回头：只能一直往下取值，取过的值没保存就没了`
' u+ {. v+ `7 R8 J( a4 E  a$ u不能直观的看到里面的数据
' u2 n+ X3 ?! m3 t8 o0 N4 n' A  i三、可迭代对象与迭代器对比
8 m$ K- r, [. D* \9 t# Q. b. m, ?可迭代对象：
! O5 q$ |7 Y) 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）
' f/ ?8 M; K- d6 H1 _4 j! p直观，可以直接看到里面的数据
6 u0 U% y: R( ~; @占用内存
不能直接通过循环迭代取值
. X9 g! s0 R  B" H- d, q/ M/ v4 u1 p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
& T( Q* V8 H! M) ~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
. j2 y' u1 @, ^5 J四、生成器
/ i6 W: g* @- w( |; B# w8 X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
0 h* Z/ ]+ C" i) q
定义生成器的方式：
通过生成器函数构建生成器
2 z: ]/ ~' E7 @
2 L2 X  B; J0 A8 R
6 c; b' A/ B6 }9 h
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

2 K4 G" `" K" A9 \7 C" x$ }$ f也可以在一个函数里定义多个 yield
  q, s4 s  u  E9 p) Q( V4 U1 J
% C) [- u0 g8 m- v" m  y% ]) {: t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
6 b" l* q7 c; R; C% s
8 v6 l- R/ ~+ D7 D, C* ^yield 与 return 的区别

7 M# B" O0 ~8 ureturn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 r' ~- W3 D! j4 T* ?5 ~4 S% fyield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
5 b( x9 e8 }! X( a应用举例：
0 Y$ |9 o$ s$ D* o% E; u
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
" g" f( v- ^* C% y% j) R, u

! ]+ X* f0 X& r5 g- F6 N5 g' 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）：

4 k; k7 E  e0 B. o% l0 y
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
- J: j! o7 A. ?0 M
8 o) z* F7 ]9 u/ s) x$ H5 u* i2 r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

: X2 K5 B: b/ i: A8 X0 U在使用 send() 的时候，可以将参数传入生成器中使用

( T" `3 q$ l) r: 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


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

4 S3 S% I8 d! y& D
9 y4 a$ h0 z! f
通过推导式构建生成器
列表推导式：
8 N- L) G* v$ s
生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
/ J! w$ k+ d% z# w. {' B

列表推导式和生成器推导式的区别：
4 R* F: B6 ?& h  D$ Q4 J2 D
6 B; t" b& `% E) u1 ?" ?) p& 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
1 ]1 ]' J/ O( p1 O9 c, E) N4 N3 D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
) g/ `8 p2 F$ P, C+ {————————————————
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
) v( q$ q1 k% l6 e. g

dwadasd

太好了太好了