Python 迭代器、生成器

zhangtt123

一、可迭代对象
5 J' S; w- Z) D- ], u2 l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
; O" }& q! C, _" y$ k专业角度：内部含有 '__iter__‘ 方法的对象
0 w$ P. ~& `6 V1 D5 Q2 `. d目前学过的可迭代对象：str、list、tuple、dict、set、range、文件句柄等
: W+ d# K4 {9 K3 W' x: F; l( z) X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

% F: H0 C2 s# ]# o7 |+ J. u
% t3 v7 a3 i$ k% X; ?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
0 @0 d$ {( R% n0 f, B" q0 S4 ?( G缺点：
2 ?" l# ?6 _3 r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
* Y6 D2 ^, Y, b1 ?* m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
6 B, l/ o) {0 w) Z. W, n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
: V+ ?$ e' Y; ]* q
6 Z: j2 l7 X8 C/ \# z4 e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
8 V3 p) _; e# `  L9 V2 @+ z) M
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）
/ a) x' f( \6 k. h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
, A' K, @  o4 n- j8 k三、可迭代对象与迭代器对比
0 ?$ l+ T  E5 b* d$ Q3 T可迭代对象：
9 V/ {# Q" K; u2 @/ y, E' J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）
8 K1 ~) H( u" B; ?, f( n# D直观，可以直接看到里面的数据
占用内存
7 }0 L5 k% M- K6 R1 l4 x0 U/ h不能直接通过循环迭代取值
5 R5 K0 e% h3 b3 i2 J  Q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
4 \" G( n4 T1 v: P% k2 `' E迭代器：
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
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
0 x. r  @5 N" @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

定义生成器的方式：
通过生成器函数构建生成器
" t0 I; h, P  u" l. J

' l9 p5 z/ Z4 }% r5 ]2 y% K8 B3 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

也可以在一个函数里定义多个 yield
7 J. q) ^$ `5 n: _
7 e: k" g8 l" n% e; B' `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
# R" l9 }7 \6 d& ]. U  A
yield 与 return 的区别
9 q$ Y" i+ ]6 ]. e" A# c) e
0 h- q+ b$ D0 W0 Y2 ]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：

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

) [5 }$ V2 e$ m( k$ m( N
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）：


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
' N5 `' v7 I- H6 a2 e- d1 E9 m
5 R4 h  f/ k( W2 P7 \2 p; B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

0 j) ]8 O+ }+ ]; `: V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
* U, w! B* R5 v$ n7 F
9 i1 ?7 J7 l  Q6 gyield 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

4 d1 _9 y1 M( R7 u+ F8 N
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


% l6 _# K' m, c
  i* L" L* Y6 r7 n通过推导式构建生成器
列表推导式：

生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
- s( F5 U: h; e/ ]0 P
( b  `0 R+ K$ x0 o2 E; Q
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
+ V' ~* x0 t/ B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
" l$ B2 v) U5 U$ C* V7 L( F列表推导式一目了然，生成器表达式只是一个内存地址
9 w' s+ Q* N5 t: h% e6 U; ~; Y4 Z————————————————
" b8 }: x- E2 [# Z6 P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

* E3 f# @5 Z/ @& E! D

dwadasd

多谢大神分享
. r& s0 W2 X* N/ B1 ?

dwadasd

太好了太好了