Python 迭代器、生成器

zhangtt123

一、可迭代对象
: p8 j! ]! O- y; w字面意思：
" m2 z8 N4 f. H3 n+ Q% m/ s; m- W1 z) D对象：Python 中一切皆为对象（巧了 Java 也是（手动滑稽））
+ [5 E: M  U* K; i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
+ k* S7 p. B' \7 R  P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


优点：
; q* j1 y& O0 N* |5 r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
拥有较多的方法，操作方便：增删查改等
& r* n7 q$ q: ~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
3 u) T4 M3 Q# g3 w$ 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
9 C# |* K5 ?( C/ o4 J: I0 B. d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
# K+ s! n7 ^' r0 D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

$ o9 R7 y6 D7 ^3 M, O% P& a$ [6 f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
& F+ ?; E; A! X, ~  i( r
8 Y" G9 h% ~0 P) F( P优点
' r/ m: o+ w- T6 B  B9 [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
缺点：
/ Q1 E5 v6 }0 F9 T速度慢：需要一直 next
. f- @8 k7 B) S! I' U2 [  \2 I# x5 Q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
三、可迭代对象与迭代器对比
* W4 }- n# R) r3 R, ~3 y: m. Q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
占用内存
不能直接通过循环迭代取值
; E2 G% [7 c: O/ @+ p* j0 A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
7 L+ ~0 a' S; p" H7 w; s# A, D6 o可以直接通过循环迭代取值
( l- ~0 u+ }5 x/ z0 L  h' A数据不直观，操作方法单一
* Y- y  R- L# |5 R8 e  g& c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 L# p$ S8 g/ u% |9 ^
9 o/ S7 Q5 {3 _$ j4 ^9 G定义生成器的方式：
通过生成器函数构建生成器

8 [7 B- D5 O) d& S

# J8 @& R5 _7 b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
9 B; T4 m0 }9 \5 h6 l
也可以在一个函数里定义多个 yield
8 |* v# E' j* @# 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 N: {1 U! ?, ]* R: z
  D7 o* {  K) v' K, [: I: iyield 与 return 的区别
9 y( l" Y* ~! y8 ^
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
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
应用举例：
5 C( A3 `+ _: y
9 A& D2 }9 z9 p* D6 k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
+ o4 f: X. `0 E/ Y. J# h! f

2 Y) Z# Z4 P8 Z6 V
6 M! h8 k3 Z- q( z5 b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）：
, a1 V& K1 u6 S# O, ]- V% I' 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

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

在使用 send() 的时候，可以将参数传入生成器中使用

9 U: ^3 Z8 x4 Y) s+ Y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

1 \8 D, f5 C, l" b0 Hyield 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
/ f1 ^. v* E. J1 e! B+ K

( p6 o* f' P- k. ?/ {- N1 }* ayield 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
+ i) O9 j! q! z) r* m9 s


通过推导式构建生成器
列表推导式：

$ a9 d) [2 C# ]8 `生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
) ?" b7 Y/ B& M- N

  X8 E3 X3 Q$ G! k列表推导式和生成器推导式的区别：

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
: J+ d! ^4 ]% q5 z9 E0 f( e列表推导式一目了然，生成器表达式只是一个内存地址
! ?1 L* c6 }2 T; Y$ ^8 s) S————————————————
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


+ |1 S. h+ I  G' C6 p) m8 m

dwadasd

多谢大神分享
9 u2 z3 Y# N  m! d

dwadasd

太好了太好了