迭代器和生成器

迭代器包含有next方法的實現，在正確的範圍內返回期待的資料以及超出範圍後能夠丟擲stopiteration的錯誤停止迭代

可以直接作用於for 迴圈的物件統稱為可迭代物件：iterable，例如集合資料型別，如list,tuple,dict,set,str等

乙個實現了iter方法的物件是可迭代的，乙個實現next方法並且是可迭代的物件是迭代器。可以使用isinstance()判斷乙個物件是否是iterator物件

>>
>
from collections import iterator
>>
>
isinstance
((x for x in
range(10
)), iterator)
true
>>
>
isinstance([
], iterator)
false
>>
>
isinstance
(, iterator)
false
>>
>
isinstance
('abc'
, iterator)
false

s=
'hello'
#字串是可迭代物件，但不是迭代器l=[
1,2,
3,4]
#列表是可迭代物件，但不是迭代器t=(
1,2,
3)#元組是可迭代物件，但不是迭代器
d=#字典是可迭代物件，但不是迭代器
set=
#集合是可迭代物件，但不是迭代器 
f=open
('test.txt'
)#檔案是可迭代物件，是迭代器

通過列表生成式，我們可以直接建立乙個列表，但是，受到記憶體限制，列表容量肯定是有限的，而且建立乙個包含100萬個元素的列表，不僅占用很大的儲存空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。

所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在迴圈的過程中不斷推算出後續的元素呢？這樣就不必建立完整的list，從而節省大量的空間，在python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator

生成器是乙個特殊的程式，可以被用作控制迴圈的迭代行為，python中生成器是迭代器的一種，使用yield返回值函式，每次呼叫yield會暫停，而可以使用next()函式和send()函式恢復生成器。生成器一次只能產生乙個值，這樣消耗的記憶體數量將大大減小，而且允許呼叫函式可以很快的處理前幾個返回值，因此生成器看起來像是乙個函式，但是表現得卻像是迭代器

類似於列表解析，只需把列表解析式的[ ]換成( )就ok了

#列表生成式
lis =
[x*x for x in
range(10
)]print
(lis)[0
,1,4
,9,16
,25,36
,49,64
,81]#生成器
>>
>generator_ex =
(x*x for x in
range(10
))>>
>
print
(generator_ex)
generator object
at 0x000002a4cbf9eba0
>
#可以通過next()函式獲得下乙個返回值
>>
>
print
(next
(generator_ex))0
>>
>
print
(next
(generator_ex))1
#也可以利用for迴圈列印
>>
>
for i in generator_ex:
print
(i)014
9162536
4964
81

生成器函式

def
create_counter
(n):
print
("create_counter"
)while
true
:yield n
print
("increment n"
)        n +=
1gen= create_counter(2)
print
(gen)
#print
(next
(gen)
)#create_counter
#2print
(next
(gen)
)#increment n
#3

函式是順序執行的，遇到return語句或者最後一行函式語句就返回, 而變成generator的函式，在每次呼叫next()的時候執行，執行完yield語句返回，再次被next（）呼叫時候從上次的返回yield語句之後繼續執行，也就是用多少，取多少，不佔記憶體

yield是乙個類似return 的關鍵字，迭代一次遇到yield的時候就返回yield右面的值。而且下一次迭代的時候，從上一次迭代遇到的yield後面的**開始執行

迭代器和生成器

生成器和迭代器

迭代器和生成器

生成器和迭代器

迭代器和生成器

生成器和迭代器

迭代器和生成器

生成器和迭代器

相關推薦