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
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

. M: Q2 q' d8 A5 T& R( A: G
优点：
  u5 l* B& s: l, Y* R: C$ M: 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
6 z2 W" a% D, K: }( P0 _拥有较多的方法，操作方便：增删查改等
4 O2 \9 |$ C" u. y1 U+ a% a% j8 C缺点：
  |" Q* ~5 B. b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
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
9 g1 J* q2 V) a* 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
: B5 S) ~6 C; I0 F2 v$ |
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）
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
" C7 r" o) t  U8 H# w8 @不能回头：只能一直往下取值，取过的值没保存就没了`
, T! N- V% Q* I( E不能直观的看到里面的数据
+ r/ i( n8 j- I% K) `* `* y( H三、可迭代对象与迭代器对比
可迭代对象：
' j9 N2 }7 I' F0 b) h: Z% l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）
% H9 S+ a5 \0 r; N" z1 J$ @直观，可以直接看到里面的数据
' H) C) a" z) ?6 X) y6 w占用内存
不能直接通过循环迭代取值
% }2 |' Z$ Y9 |) b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：
: d6 T9 \, _' z: L# |6 a, |节省内存，按需取值
可以直接通过循环迭代取值
数据不直观，操作方法单一
0 d( W' m% T# U2 A; x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
1 F( X9 Z( @" q5 i) Y四、生成器
, x5 m, M8 b" i) p, P; X7 ~9 N) J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：
8 |6 c) u% p) q; M/ n通过生成器函数构建生成器
# a) ~3 h4 W* S# n$ P2 i; W) @6 y


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

' f/ O0 J& L+ S5 X& V也可以在一个函数里定义多个 yield

7 s1 g, Q" V# z6 m- N! ?* Q( v# A. N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

5 t' Y; d' ~, L% G& ^# z. r, Cyield 与 return 的区别
  l1 R7 h+ w) g
8 A$ h0 z7 {8 j5 kreturn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：

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
8 Q  ~% N/ @! {( J
. z' }. X5 R; s, V8 G+ L( q9 H- V
! t9 r7 p: C4 j) A3 j" B& u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）：
. }6 ^; P% t0 |. b3 ~. e0 T
( k; m8 Q$ s. ^6 r9 e* h% i7 Y, 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

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

4 a$ q; s8 e, E5 k) C! y: b3 _在使用 send() 的时候，可以将参数传入生成器中使用
  Y8 o' }; S; W4 D; ?
+ x5 E7 |( J; N  ?' x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
* a1 `. T' z9 E
  V, D* R0 \4 F0 Ayield 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
, |, C' U  _; x4 V
$ V2 j% K4 g9 `! J) s" d1 I
9 z; I, m2 W4 @5 C0 Eyield 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
9 P9 h8 B3 @1 V+ A' c# _5 F

% U- G* B' ~/ [
+ {5 {9 [, }& |1 [通过推导式构建生成器
( Q% m; P* |- y- j) P% L! Q列表推导式：
- d- a( R  ]" x' _
生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
4 p# L' L* Y3 c4 C/ }

列表推导式和生成器推导式的区别：
, U( U3 J$ k2 u4 L
  I- U2 N# L4 y  @, h% l2 J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
2 h, ~( N  P" h$ V6 x0 o3 V) R: o7 Z  D————————————————
& T6 S# T  O/ L! d4 b# w4 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。
( M- B2 d. A/ n+ h+ z, l" E0 b' B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
8 Q. v6 N5 `% [9 Y