迭代器、可迭代对象与生成器
迭代器即用来迭代取值的工具,而迭代是重复反馈过程的活动,其目的通常是为了逼近所需的目标或结果,每一次对过程的重复称为一次“迭代”,而每一次迭代得到的结果会作为下一次迭代的初始值,单纯的重复并不是迭代(所以循环和迭代是有本质区别的)
可迭代对象
从语法形式上讲,内置有__iter__方法的对象都是可迭代对象,前面提到的数据类型诸如字符串、列表、元组、字典、集合、打开的文件都是可迭代对象
a={'name':'egon'}.__iter__
b={7,8,9}.__iter__
print(a,b)
迭代器对象
调用obj.iter()方法返回的结果就是一个迭代器对象(Iterator)。迭代器对象是内置有iter和next方法的对象,打开的文件本身就是一个迭代器对象,执行迭代器对象.iter()方法得到的仍然是迭代器本身,而执行迭代器.next()方法就会计算出迭代器中的下一个值。 迭代器是Python提供的一种统一的、不依赖于索引的迭代取值方式,只要存在多个“值”,无论序列类型还是非序列类型都可以按照迭代器的方式取值
s={1,2,3} # 可迭代对象s
i=iter(s) # 本质就是在调用i=s.__iter__(),返回s的迭代器对象i,
next(i) # 本质就是在调用i.__next__() 返回1
next(i) # 返回2
next(i) # 返回3
next(i) # 抛出StopIteration的异常,代表无值可取,迭代结束
for循环原理
while循环模拟迭代取值
goods=['mac','lenovo','acer','dell','sony']
i=iter(goods) # 转换成迭代器对象,节省内存空间
while True:
try:
print(next(i))
except StopIteration: # 出现异常,终止循环
break
for循环又称为迭代循环,in后可以跟任意可迭代对象,执行的时候会自动将in后面的可迭代对象转化成迭代器,缩减了代码
goods=['mac','lenovo','acer','dell','sony']
for item in goods:
print(item)
for 循环在工作时,首先会调用可迭代对象内置的iter方法,转化成一个迭代器对象,然后再调用该迭代器对象的next方法将取到的值赋给item,执行循环体完成一次循环,周而复始,直到捕捉StopIteration异常,结束迭代
为什么优先使用迭代器呢,因为他省空间,下面详细介绍迭代器优缺点
迭代器的优缺点
优点:
- 为序列和非序列类型提供了一种统一的迭代取值方式
- 节省内存
- 惰性机制:迭代器对象表示的是一个数据流,可以只在需要时才去调用next来计算出一个值,就迭代器本身来说,同一时刻在内存中只有一个值,因而可以存放无限大的数据流,而对于其他容器类型,如列表,需要把所有的元素都存放于内存中,受内存大小的限制,可以存放的值的个数是有限的。
缺点:
- 除非取尽,否则无法获取迭代器的长度
- 只能取下一个值,不能回到开始,更像是‘一次性的’,迭代器产生后的唯一目标就是重复执行next方法直到值取尽,否则就会停留在某个位置,等待下一次调用next;若是要再次迭代同个对象,你只能重新调用iter方法去创建一个新的迭代器对象,如果有两个或者多个循环使用同一个迭代器,必然只会有一个循环能取到值(不能回头取值)
生成器与yield
生成器本质上也是一个迭代器
在函数体中用yield关键字代替return关键字,得到的就是生成器
def my_range(start,stop,step=1):
print('start...')
while start < stop:
yield start
start+=step
print('end...')
g=my_range(0,3)
g # <generator object my_range at 0x104105678>
生成器内置有__iter__和__next__方法,iter方法说明他也是一个迭代器,next方法用来取值
g.__iter__
# <method-wrapper '__iter__' of generator object at 0x1037d2af0>
g.__next__
# <method-wrapper '__next__' of generator object at 0x1037d2af0>
因而我们可以用next(生成器)触发生成器所对应函数的执行,
next(g) # 触发函数执行直到遇到yield则停止,将yield后的值返回,并在当前位置挂起函数
# start...
# 0
next(g) # 再次调用next(g),函数从上次暂停的位置继续执行,直到重新遇到yield...
# 1
next(g)
# 2
next(g) # 触发函数执行没有遇到yield则无值返回,抛出StopIteration异常,结束迭代
# end...
生成器对象也可以使用for循环迭代,如下:
def condown():
yield 3
yield 2
yield 1
for i in countdown(3):
print(i)
'''
3
2
1
'''
有了yield关键字,我们就有了一种自定义迭代器的实现方式。yield可以用于返回值,但不同于return,函数一旦遇到return就结束了,而yield可以保存函数的运行状态挂起函数,用来返回多次值
yield from 可迭代对象
能够将可迭代对象中的元素依次返回给yield,是yield多个值的简便写法
yield表达式应用:函数挂起
在函数内可以采用表达式形式的yield
# next只能获取yield生成的值,但是不能传递值
def eater():
print('eat')
while True:
food=yield
print('get the food: %s' %food)
可以拿到函数的生成器对象持续为函数体send值,如下
g=eater() # 得到生成器对象
g
# <generator object eater at 0x101b6e2b0>
next(e) # 需要先”初始化”一次,让函数挂起在food=yield,等待调用g.send()方法为其传值
# eat
g.send('包子')
# get the food: 包子
g.send('鸡腿')
# get the food: 鸡腿
针对表达式形式的yield,生成器对象必须事先被初始化一次,让函数挂起在food=yield的位置,等待调用g.send()方法为函数体传值,g.send(None)等同于next(g)
send和next()区别:
-
相同点:
send 和 next()都可以让生成器对应的yield向下执行一次
都可以获取到yield生成的值
-
不同点:
第一次获取yield值只能用next不能用send(可以用send(None))
send可以给上一个yield置传递值,也就是说,send谁yield的就是谁
我们可以编写装饰器来完成为所有表达式形式yield对应生成器的初始化操作,如下
def init(func):
def wrapper(*args,**kwargs):
g=func(*args,**kwargs)
next(g)
return g
return wrapper
@init
def eater():
print('Ready to eat')
while True:
food=yield
print('get the food: %s, and start to eat' %food)
表达式形式的yield也可以用于返回多次值,即变量名=yield 值
的形式,如下
def eater():
print('Ready to eat')
food_list=[]
while True:
food=yield food_list
food_list.append(food)
e=eater()
next(e)
'''
Ready to eat
[]
'''
e.send('蒸羊羔')
# ['蒸羊羔']
e.send('蒸熊掌')
# ['蒸羊羔', '蒸熊掌']
e.send('蒸鹿尾儿')
# ['蒸羊羔', '蒸熊掌', '蒸鹿尾儿']
列表生成式
也是一种简化代码的方法,用来快速生成列表
egg_list=[]
for i in range(10):
egg_list.append('鸡蛋%s' %i)
# 简化:列表生成式
egg_list=['鸡蛋%s' %i for i in range(10)]
字典生成式
{x:None for x in 'abc'}
# 结果是{'a':None,'b':None,'c':None}
集合生成式
{i for i in range(10)}
# 结果是{1,2,3,4,5,6,7,8,9}
生成器表达式
实际上按照上面的逻辑,下面应该是元组生成式,但是实际上没有元组表达式,元组表达式就是生成器
创建一个生成器对象有两种方式,一种是调用带yield关键字的函数(上面已经介绍过了),另一种就是生成器表达式,与列表生成式的语法格式相同,只需要将[]换成()
[x*x for x in range(3)]
# [0, 1, 4]
g=(x*x for x in range(3))
g
# <generator object <genexpr> at 0x101be0ba0>
对比列表生成式,生成器表达式的优点自然是节省内存(一次只产生一个值在内存中)
next(g)
# 0
next(g)
# 1
next(g)
# 4
next(g)
# 抛出异常StopIteration
如果我们要读取一个大文件的字节数,应该基于生成器表达式的方式完成(尤其是读取文件的时候,文件大小通常不可知,选择生成器比较好,因为文件太大的话,会直接将内存撑爆)
# 统计文件中的字节数
with open('db.txt','rb') as f:
nums=(len(line) for line in f)
total_size=sum(nums) # 依次执行next(nums),然后累加到一起得到结果
# 打印名字中含有两个'e'的名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
# li = [name for i in names for name in i if name.count('e') == 2]
# print(li)
# 需要注意的是顺序,这里如果将for name in i放在前面会直接报错,这个也好理解,因为代码实际上是左到右顺序执行的,所以要先拿到里面的列表,在进一步拿里面的元素