一、【可迭代对象Iterable】

粗略判断的话,我们可以说能被for循环进行遍历的对象就是可迭代对象,如str,list,tuple,dict(key),set,range。

(open file 中的文件句柄属于迭代器的一种。)

如果想要更直观的判断的话,在这里我们使用dir()方法查看一下对象所有的可操作方法:

s ='hello,wutiele'
print(dir(s))
显示: ['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']

同样,dir列表,元祖,字典等类型的对象时也可以查看到有'iter'操作方法。

当然,上面的方法查看太麻烦,我们可以使用in的方法判断,返回布尔值为真的就是操作方法中有'iter'的,如:

l1 = ['lv1', 'lv2', 'lv3', 'lv4', 'lv5']
print('__iter__' in dir(l1)) 显示:
True 所以我们又可以说,内部含有'__iter__'方法的对象是可迭代对象。
可迭代对象遵循可迭代协议,可迭代协议的定义非常简单,就是内部实现了__iter__方法。
还有一种方法可以直观判断,那就是isinstance:
from collections import Iterable
t1 = ('枪兵', '射手', '剑士', '僧侣')
print(isinstance(t1, tuple))
print(isinstance(t1, Iterable)) 显示:
True
True isinstance同样作为判断类型的方法,它比type方法判断面更广,且返回的值是布尔值。

二、【迭代器Iterator】

迭代器英文是iterator。

迭代器比起可迭代对象来说,其实它只多包含了一个操作方法,那就是'__next__'方法。

下面使用__iter__将可迭代对象转化成迭代器,然后使用__next__方法操作一番,可以看到这个方法是做什么用的:
from collections import Iterable
t1 = ('枪兵', '射手', '剑士', '僧侣') t1_obj = t1.__iter__()
print(t1_obj)
print(type(t1_obj))
print(isinstance(t1_obj, Iterator))
print(isinstance(t1_obj, tuple)) 输出结果
<tuple_iterator object at 0x0000000000D90DA0>
<class 'tuple_iterator'>
True
False 可迭代对象转化成迭代器:可迭代对象.__iter__()
上例使用print和type查看从tuple转化的迭代器可以看到类型己经变成了tuple_iterator。 迭代器.__next__()
t1 = ('枪兵', '射手', '剑士', '僧侣')
t1_obj = t1.__iter__() print(t1_obj.__next__())
print(t1_obj.__next__())
print(t1_obj.__next__())
print(t1_obj.__next__()) # 返回
枪兵
射手
剑士
僧侣 如果再操作多一次.__next__会怎样?从头循环开始吗?答案是:
报错,StopIteration异常。 print(t1_obj.__next__())
StopIteration __next__方法每一次只会取出迭代器中的一个元素,是不是和for循环时的操作有点像?
其实for循环一个可迭代对像时,用到的就有__next__操作方法。 迭代器遵循迭代器协议:对象不仅含有__iter__方法,同时还含有__next__方法。 for循环,能遍历一个可迭代对象,他的内部到底进行了什么?
将可迭代对象转化成迭代器。(可迭代对象.__iter__())
内部使用__next__方法,一个一个取值。
加了异常处理功能,取值到底后自动停止。 【使用while模拟for循环机制】
li = [i for i in range(1, 100)]
# 转换成迭代器
l1_obj = li.__iter__()
while True:
# 异常处理,尝试进行try块区的语句,如果报错就执行except块区语句处理异常。
try:
j = l1_obj.__next__()
print(j)
# 当出现StopIteration异常时,不报错而是执行break中断while循环。
except StopIteration:
break

那么,使用for循环相比while,也就是迭代器它有什么好处呢?

首先没有迭代器的话,while只能处理有下标的列表,字符串和元祖,字典,集合,文件就不方便了;

其次,对大数据来说,使用迭代器比起直接使用列表(比如一百万个元素的列表),字符串(超大文本的日志)等节省内存空间多了,因为它的惰性机制,它生成后,只会在内存空间占用一条元素的空间;

满足惰性机制,取一个值才输出一个值;

同样由于怠惰,迭代器也不能反复取值(不能逆向或取到尽时重头又来),它内部有一个指针,取一个就指向到下一个,一直向前,不会反复。

迭代器最大的好处就是节省内存空间。

三、【生成器Generator】

生成器本质上也是迭代器(自带了__iter__方法和__next__方法),特点是惰性运算,开发者自定义。

目前知道的迭代器有两种:

一种是调用方法直接返回的;

一种是可迭代对象通过执行iter方法得到的。

迭代器的好处是可以节省内存。

如果在某些情况下,我们也需要节省内存,就只能自己写。自己写的这个能实现迭代器功能的东西就叫生成器。

生成器产生迭代器的方式:

1)生成器函数构造;

函数体中使用yield语句而不是return语句返回结果。

也就是说你只要在一个函数的函数体中看到有yield,你就知道它不是一个常规函数,而是一个生成器了。

yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次重它离开的地方继续执行。

2)用生成器推导式构造;

3)数据类型的转化。

【生成器函数】

一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值,但是yield又不同于return,return的执行意味着程序的结束,调用生成器函数不会得到返回的具体的值,而是得到一个可迭代的对象。每一次获取这个可迭代对象的值,就能推动函数的执行,获取新的返回值。直到函数执行结束。

【next】

例:next()取出生成器的值:

import time
def genrator_fun():
lv1 = '枪兵*14'
print('人族可以产出1级兵了!')
yield lv1
lv2 = '弓箭手*8'
print('人族可以产出2级兵了!')
yield lv2 g = genrator_fun()
print('g:', g) # 打印g输出生成器类型
print('-'*12, '我是华丽的分割线', '-'*12)
print(next(g)) # 使用next方法取出g生成器的第一个值(yield)
time.sleep(1)
print(next(g)) # 第二次执行取的是第二个值 g: <generator object genrator_fun at 0x0000000000DB86D0>
------------ 我是华丽的分割线 ------------
人族可以产出1级兵了!
枪兵*14
人族可以产出2级兵了!
弓箭手*8 例2:指针会顺着取出的值执行下去
def dead_sold():
# 可怕的亡灵大军,己经累积到1万个骷髅兵了!
for i in range(1, 10001):
yield '可怕的亡灵大军,己经累积到第 %s 个骷髅兵了!' % i
d = dead_sold() # 将函数赋值给一个变量,不然直接在下面的式子用会反复只取到第1个骷髅
for i in range(50):
print(d.__next__())
print('华丽分割线'.center(30, '-'))
for i in range(150):
print(d.__next__()) 可怕的亡灵大军,己经累积到第 47 个骷髅兵了!
可怕的亡灵大军,己经累积到第 48 个骷髅兵了!
可怕的亡灵大军,己经累积到第 49 个骷髅兵了!
可怕的亡灵大军,己经累积到第 50 个骷髅兵了!
------------华丽分割线-------------
可怕的亡灵大军,己经累积到第 51 个骷髅兵了!
可怕的亡灵大军,己经累积到第 52 个骷髅兵了!
可怕的亡灵大军,己经累积到第 53 个骷髅兵了!

上例中,取到第50个值时,再执行取值的语句时不会从第1个起执行,而是顺着51开始。

【send】

send和__next__()一样,都是执行下一个yield,不同的是,send还可以给上一个yield赋值。
当然,函数体中第一个取值语句不能为send,因为第一个之前并没有yield可给它进行赋值。
同样,最后一个yield不能接受send的赋值,因为最后一个后面并不能再取出值了。
send是取值和赋值同时进行的,且赋的是上一个yield的值。
def generator():
content = yield 1
print('=======', content, '=======') # 打印上一个yield的值
yield 2
yield 3 g = generator()
ret = g.__next__()
print('***', ret)
ret = g.send('hello') #send赋值给上一个yield
print('***', ret) *** 1
======= hello =======
*** 2

【列表推导式和生成器表达式】

列表生成式即List Comprehensions,是Python内置的非常简单却强大的可以用来创建list的生成式。

例,创建1到10的列表:

l = [i for i in range(1,10)]

1.把列表解析的[]换成()得到的就是生成器表达式

2.列表解析与生成器表达式都是一种便利的编程方式,只不过生成器表达式更节省内存。

3.Python不但使用迭代器协议,让for循环变得更加通用。

大部分内置函数,也是使用迭代器协议访问对象的。

例如,sum函数是Python的内置函数,该函数使用迭代器协议访问对象,而生成器实现了迭代器协议,所以,我们可以直接这样计算一系列值的和:

sum(x ** 2 for x in range(1,11))

【补充】

1、可以直接作用于for循环的对象统称为可迭代对像;

2、可以被next()函数调用并不断返回下一个值的对象称为迭代器(iterator);

3、生成器不但可以作用于for循环,还可以被next()函数不断调用并返回下一个值,直到最后抛出stopIteration错误表示无法继续下一个值。

end

2018-4-4

铁乐学python_day13_迭代器生成器的更多相关文章

  1. 铁乐学python_Day43_协程

    铁乐学python_Day43_协程 引子 之前我们学习了线程.进程的概念,了解了在操作系统中进程是资源分配的最小单位,线程是CPU调度的最小单位. 按道理来说我们已经算是把cpu的利用率提高很多了. ...

  2. 铁乐学python_Day42_线程池

    铁乐学python_Day42_线程池 concurrent.futures 异步调用模块 concurrent.futures模块提供了高度封装的异步调用接口 ThreadPoolExecutor: ...

  3. Learn day5 迭代器\生成器\高阶函数\推导式\内置函数\模块(math.time)

    1.迭代器 # ### 迭代器 """能被next调用,并不断返回下一个值的对象""" """ 特征:迭代器会 ...

  4. Python(四)装饰器、迭代器&生成器、re正则表达式、字符串格式化

    本章内容: 装饰器 迭代器 & 生成器 re 正则表达式 字符串格式化 装饰器 装饰器是一个很著名的设计模式,经常被用于有切面需求的场景,较为经典的有插入日志.性能测试.事务处理等.装饰器是解 ...

  5. Python 迭代器&生成器

    1.内置参数     Built-in Functions     abs() dict() help() min() setattr() all() dir() hex() next() slice ...

  6. python杂记-4(迭代器&生成器)

    #!/usr/bin/env python# -*- coding: utf-8 -*-#1.迭代器&生成器#生成器#正确的方法是使用for循环,因为generator也是可迭代对象:g = ...

  7. Python学习笔记——基础篇【第四周】——迭代器&生成器、装饰器、递归、算法、正则表达式

    目录 1.迭代器&生成器 2.装饰器 a.基本装饰器 b.多参数装饰器 3.递归 4.算法基础:二分查找.二维数组转换 5.正则表达式 6.常用模块学习 #作业:计算器开发 a.实现加减成熟及 ...

  8. python 迭代器 生成器

    迭代器 生成器 一 什么是迭代器协议 1.迭代器协议是指:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么就引起一个StopIteration异常,以终止迭代 (只能往后走不能往前 ...

  9. Python_迭代器-生成器-复习-习题_41

    # 迭代器和生成器# 迭代器 # 可迭代协议 —— 含有iter方法的都是可迭代的 # 迭代器协议 —— 含有next和iter的都是迭代器 # 特点 # 节省内存空间 # 方便逐个取值,一个迭代器只 ...

随机推荐

  1. Nodejs学习笔记(五)—Express安装入门与模版引擎ejs

    前言 前面也学习了一些Node.js的基本入门知道,现在开始进入Web开发的部分: Node.js提供了http模块,这个模块中提供了一些底层接口,可以直接使用,但是直接开发网站那还是太累了,所以ht ...

  2. vuex数据管理-数据适配

    由于接口在上线前,不可避免的会出现变动,小则属性名变,大则结构变化.如果处理不当,结构变化时,视图的代码也需要做相应的更改,然后就是容错方法的变动,接着重新自测等,这样,变化成本随着结构的复杂度大大加 ...

  3. [HNOI 2018]转盘

    Description 题库链接 在一个环上有 \(n\) 个物品,第 \(i\) 个物品的出现时间为 \(T_i\) .一开始你可以任意选择一个物品的位置作为起始位置,然后以这个位置为起点沿正方向走 ...

  4. [转]9.2.3 .net core 通过TagHelper封装控件

    本文转自:https://www.cnblogs.com/BenDan2002/p/6170624.html .net core 除了继续保留.net framework的HtmlHelper的写法以 ...

  5. 利用jquery.backstretch插件,背景切换

    //首页自动更换背景特效开始============================================1.引用文件<script src="jquery.js" ...

  6. Spring boot --- Spring Oauth(一)

       文章部分图片来自参考资料,这篇文章主要讲 spring security  oauth 概述 上一篇我们学习了 SS 中重要的工作原理和几个大概的认证和授权过程.而 spring securit ...

  7. jQuery扩展插件以及正则相关函数练习

    一.jQuery扩展插件 二.相关正则函数:

  8. SpringMVC配置式开发

    所谓配置式开发是指“处理器类是程序员手工定义,实现了特定接口的类,然后再在SpringMVC 配置文件中对该类进行显示的.明确的注册”的开发方式. 一.处理器映射器HandlerMapping Han ...

  9. Microservices与DDD的关系

    Microservices(微服务架构)和DDD(领域驱动设计)是时下最炙手可热的两个技术词汇.在最近两年的咨询工作中总是会被不同的团队和角色询问,由此也促使我思考为什么这两个技术词汇被这么深入人心的 ...

  10. python中深浅拷贝

    python的复制,深拷贝和浅拷贝的区别   在python中,对象赋值实际上是对象的引用.当创建一个对象,然后把它赋给另一个变量的时候,python并没有拷贝这个对象,而只是拷贝了这个对象的引用 一 ...