Python 迭代器、生成器

zhangtt123

一、可迭代对象
( D# J2 ?6 R" Y/ Q! C字面意思：
* P1 I+ G( l0 X3 m6 d, q2 R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
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 V5 [. d+ l. z) V+ p
# ^4 f, B" r* g3 d# f优点：
9 K1 }* z* ~3 y+ m4 f" ]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
6 O. w5 x5 A( m7 L( c( D缺点：
) k( k1 o; I+ |3 o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
$ ~/ |! f9 J. S& o1 z. G) 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
; @* ]& r4 r* p" X7 x2 g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
8 ?* ?. `  J# `) u: G6 r" V' O
# l* X: ]8 t' j. ?% w/ D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

1 e9 f$ P( C- p, R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）
) q3 @% c) L/ p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
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
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）
5 {8 M- y5 n  C' \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
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
0 x2 i# Q* ~" u6 \% T3 W迭代器：
0 s7 R3 a; @* t! ~节省内存，按需取值
5 I7 E: F) C) N5 T# h) }8 z" h可以直接通过循环迭代取值
数据不直观，操作方法单一
5 |! a! i4 y: a$ A# o9 H2 \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
8 y( R5 B! P9 {四、生成器
" d  r  V6 W1 ?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：
通过生成器函数构建生成器
/ Y" N  k: s6 s* W6 C$ ]


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
( \) l, l! n5 }
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
% ~1 F" |, O) Y! n4 b
6 b$ R0 _$ \9 z9 l2 byield 与 return 的区别

3 s  V, b) n0 G& Breturn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
# e4 |3 }# O8 s. r/ v应用举例：
9 `+ D  A2 f1 x. Z0 |$ ?1 F- o, \
0 W1 ~( u- q  p/ j  ?$ 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


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）：
! N' W/ w2 t. t9 Y9 `$ T9 L" ?
/ G* V6 o# n. L+ v) M- B9 S: @- A2 r
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 p0 L4 s+ W, G* H
+ v* U8 _- F9 M( K1 r. s4 @1 s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

0 @5 u/ \' L) V: z在使用 send() 的时候，可以将参数传入生成器中使用
% [) d- P7 k) Q) w( n" j# a) H. m- @
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
; y& q! F0 T: |" r* W
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


. ^7 [' G! @" r' S$ J
; @* @% h  l" q3 g通过推导式构建生成器
列表推导式：

% a9 w( G9 p* n, C1 e4 w生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
6 A1 y# w, L3 m( F" v! C% Y
& m) _; K" l- n; v' X7 i
列表推导式和生成器推导式的区别：
8 j2 l! I! z* r
! [7 _) \% M& |) j" 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
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
" M7 s1 B" i3 q1 T' v& v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

dwadasd

太好了太好了
$ |2 n& S2 V, @8 I* y* O+ K