Python 迭代器、生成器

zhangtt123

一、可迭代对象
0 Z" N/ b$ N1 r! {/ v8 C字面意思：
对象：Python 中一切皆为对象（巧了 Java 也是（手动滑稽））
! O2 W1 v; N! e: w3 ]9 s. y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
7 S6 c( x5 y( C5 ~, v2 s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
- U( N8 u0 \  _3 ]/ ~, x! h
8 v# [- B+ A" }, A
优点：
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
缺点：
6 [. R( F6 h; G2 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
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
( f' }' z  E; I二、迭代器
% Z+ g/ c  q: e* P* W/ R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
* s6 D* B( S9 [1 ]# _3 ?! f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
8 M) R+ K) S! c. y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

7 m4 j/ ?, U  C# k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

5 t" A8 W: [1 m5 c7 q优点
- I6 L/ l- q6 f. U( j: {- A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：
, x) n5 h) ]# x; s  K3 [2 o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`
" y) i! ~$ q* [/ N8 G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：
, k5 l, b/ @# m" u9 `* B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
# `7 G( o, v& Q, n3 X+ p+ G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
迭代器：
节省内存，按需取值
可以直接通过循环迭代取值
& D1 C* J/ j4 B数据不直观，操作方法单一
8 Y: Y0 u1 S2 i  K5 A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
4 x; G& a# J9 s! c3 v% q0 |2 w. M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
. O6 n, W5 M7 b! M& W, @
: T4 ]) d) ]4 |2 [2 t" g定义生成器的方式：
* c. ?/ e' r. S/ l- s通过生成器函数构建生成器
' S1 M, f* U- b. ?3 |9 u
% f8 D+ _; M" k$ o9 B% p

% ]. X7 }( r  ]. s: y5 L& f; r4 g& m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 X7 G: h- e0 z1 q# B
% V# t1 O- Q: K: V3 \- _- m也可以在一个函数里定义多个 yield

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

) l' C7 q8 U, Y, J% P  K" n: r" Iyield 与 return 的区别

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
  |; [" B/ f1 o5 S* U# T( xyield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：
+ g4 P  _4 d" I5 B7 F
8 `0 e& p' t+ @9 M/ {% d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

: {' V  n) t. F$ o% ~% T8 \) e
) j. ~) h% u. y2 c( `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）：
) o( _; E7 k) S" |. R- Y* T; j

+ D5 `+ \2 T% c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
0 p: Y/ O8 j5 w. g) N
( \# S/ ?4 S0 ~  N0 }5 D7 i在使用 send() 的时候，可以将参数传入生成器中使用

! a7 Z: o. y* N2 h1 K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

* H" D6 e) d1 k  k- f( V0 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


% z4 Q/ I# V' n7 Nyield 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


! N9 T! o4 i5 Z. S. p5 T6 j/ f6 ~
通过推导式构建生成器
列表推导式：
: D8 E& s4 a9 r
生成器表达式：和列表推导式差不多，把 [] 改成 () 即可


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
0 O) [4 T0 v' w" f' N8 t9 i/ X列表推导式一目了然，生成器表达式只是一个内存地址
5 @; \1 e5 m! \2 w2 `  o————————————————
4 A) F8 A7 Y( u0 ~6 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。
1 M2 k: o9 C' I; a& t原文链接：https://blog.csdn.net/weixin_42511320/article/details/105676143

/ d9 Q5 u$ O. \7 `7 G+ D

dwadasd

多谢大神分享
9 z: ~3 U0 l* d$ B2 @

dwadasd

太好了太好了