一、可迭代对象和迭代器
1.迭代的概念
上一次输出的结果为下一次输入的初始值,重复的过程称为迭代,每次重复即一次迭代,并且每次迭代的结果是下一次迭代的初始值
注:循环不是迭代
while True: #只满足重复,因而不是迭代 print(‘====>‘)
2.可迭代的对象
内置__iter__方法的,都是可迭代的对象。
list是可迭代对象,dict是可迭代对象,set也是可迭代对象。
[1,2].__iter__() ‘hello‘.__iter__() (1,2).__iter__() {‘a‘:1,‘b‘:2}.__iter__() {1,2,3}.__iter__()
例如:
x = [1, 2, 3] y = iter(x) z = iter(x) print(next(y)) print(next(y)) print(next(z)) print(type(x)) print(type(y))
输出
1 2 1 <class ‘list‘> <class ‘list_iterator‘>
如下图所示
这里x
是一个可迭代对象,y
和z
是两个独立的迭代器,迭代器内部持有一个状态,该状态用于记录当前迭代所在的位置,以方便下次迭代的时候获取正确的元素。
迭代器有一种具体的迭代器类型,比如list_iterator
,set_iterator
。可迭代对象实现了__iter__
方法,该方法返回一个迭代器对象。
3.迭代器
- 1.为什么要有迭代器?
对于没有索引的数据类型,必须提供一种不依赖索引的迭代方式。
- 2.迭代器定义:
迭代器:可迭代对象执行__iter__方法,得到的结果就是迭代器,迭代器对象有__next__方法
它是一个带状态的对象,他能在你调用next()
方法的时候返回容器中的下一个值,任何实现了__iter__
和__next__()
方法的对象都是迭代器,__iter__
返回迭代器自身,__next__
返回容器中的下一个值,如果容器中没有更多元素了,则抛出StopIteration异常
- 3.迭代器的实现
例:
i=[1,2,3].__iter__() print(i) #迭代器 print(i.__next__()) print(i.__next__()) print(i.__next__()) #print(i.__next__()) #抛出异常:StopIteration
输出
<list_iterator object at 0x1019c3eb8> 1 2 3
每次调用next()
方法的时候做两件事:
- 为下一次调用
next()
方法修改状态 - 为当前这次调用生成返回结果
迭代器就像一个懒加载的工厂,等到有人需要的时候才给它生成值返回,没调用的时候就处于休眠状态等待下一次调用。
- 4.如何判断迭代器对象和可迭代对象
from collections import Iterable,Iterator ‘abc‘.__iter__() ().__iter__() [].__iter__() {‘a‘:1}.__iter__() {1,2}.__iter__() f=open(‘a.txt‘,‘w‘) f.__iter__() #判断是否为可迭代对象,以下都是 print(isinstance(‘abc‘,Iterable)) print(isinstance([],Iterable)) print(isinstance((),Iterable)) print(isinstance({‘a‘:1},Iterable)) print(isinstance({1,2},Iterable)) print(isinstance(f,Iterable)) #判断是否为迭代器,只有文件是 print(isinstance(‘abc‘,Iterator)) print(isinstance([],Iterator)) print(isinstance((),Iterator)) print(isinstance({‘a‘:1},Iterator)) print(isinstance({1,2},Iterator)) print(isinstance(f,Iterator))
输出
True True True True True True False False False False False True
可迭代对象:只有__iter__方法,执行该方法得到的迭代器对象
迭代器:有__iter__
和__next__()
方法
注:对于迭代器对象来说,执行__iter__方法,得到的结果仍然是它本身
- 5.迭代器的优点和缺点
优点:
1.提供了一种不依赖下标的迭代方式
2.就跌迭代器本身来说,更节省内存
缺点:
1. 无法获取迭代器对象的长度
2. 不如序列类型取值灵活,是一次性的,只能往后取值,不能往前退
二、生成器
1.定义
生成器(generator)是一个特殊的迭代器,它的实现更简单优雅,yield
是生成器实现__next__()
方法的关键。它作为生成器执行的暂停恢复点,可以对yield
表达式进行赋值,也可以将yield
表达式的值返回。
也就是说,yield是一个语法糖,内部实现支持了迭代器协议,同时yield内部是一个状态机,维护着挂起和继续的状态。
yield的功能:
1.相当于为函数封装好__iter__和__next__
2.return只能返回一次值,函数就终止了,而yield能返回多次值,每次返回都会将函数暂停,下一次next会从上一次暂停的位置继续执行
例:
def counter(n): print(‘start...‘) i=0 while i < n: yield i i+=1 print(‘end...‘) g=counter(5) print(g) print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g)) # print(next(g)) #会报错
输出
start... 0 1 2 3 4
2.生成器函数
- 生成器函数:常规函数定义,但是,使用yield语句而不是return语句返回结果。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;
普通函数return返回
def lay_eggs(num): egg_list=[] for egg in range(num): egg_list.append(‘蛋%s‘ %egg) return egg_list yikuangdan=lay_eggs(10) #我们拿到的是蛋 print(yikuangdan)
输出
[‘蛋0‘, ‘蛋1‘, ‘蛋2‘, ‘蛋3‘, ‘蛋4‘, ‘蛋5‘, ‘蛋6‘, ‘蛋7‘, ‘蛋8‘, ‘蛋9‘]
迭代器函数
def lay_eggs(num): for egg in range(num): res=‘蛋%s‘ %egg yield res #生成器关键语法 print(‘下完一个蛋‘) laomuji=lay_eggs(10) #我们拿到的是一只母鸡 print(laomuji) print(laomuji.__next__()) #迭代 蛋0 print(laomuji.__next__()) #蛋1 print(laomuji.__next__()) #蛋2 egg_l=list(laomuji) print(egg_l)
输出
蛋0 下完一个蛋 蛋1 下完一个蛋 蛋2 下完一个蛋 下完一个蛋 下完一个蛋 下完一个蛋 下完一个蛋 下完一个蛋 下完一个蛋 下完一个蛋 [‘蛋3‘, ‘蛋4‘, ‘蛋5‘, ‘蛋6‘, ‘蛋7‘, ‘蛋8‘, ‘蛋9‘]
3.生成器表达式
- 生成器表达式:类似于列表推导,但是,生成器返回按需产生结果的一个对象,而不是一次构建一个结果列表;
-
food=yield food_list
#g.send(‘food1‘),先把food1传给yield,由yield赋值给food,然后返回给food_list,然后再往下执行,直到再次碰到yield,然后把yield后的返回值返回给food_list
例
注意:开始生成器不能send非空值
def eater(name): #协程函数 print(‘%s ready to eat‘ %name) food_list=[] while True: food=yield food_list #装饰器表达式 food_list.append(food) print(‘%s start to eat %s‘ %(name,food)) g=eater(‘hexin‘) print(g) #生成器
print(g.send(‘food1‘)) #传值
输出
Traceback (most recent call last): <generator object eater at 0x1049030f8> #生成器对象 File "/Users/hexin/PycharmProjects/py3/day5/2.py", line 71, in <module> print(g.send(‘food1‘)) TypeError: can‘t send non-None value to a just-started generator #开始生成器不能send非空值
- 初始化后
def eater(name): #协程函数 print(‘%s ready to eat‘ %name) food_list=[] while True: food=yield food_list #装饰器表达式 food_list.append(food) print(‘%s start to eat %s‘ %(name,food)) g=eater(‘hexin‘) print(g) #生成器 next(g) #等同于 g.send(None),初始化 print(g.send(‘food1‘))
输出
<generator object eater at 0x107cde258> hexin ready to eat hexin start to eat food1 [‘food1‘]
- 为了防止忘记初始化,可利用装饰器进行初始化,如下
def deco(func): #初始化函数 def wrapper(*args,**kwargs): res=func(*args,**kwargs) next(res) #等同于 g.send(None),初始化 return res return wrapper @deco #用初始化函数装饰器,调用初始化函数 def eater(name): #协程函数 print(‘%s ready to eat‘ %name) food_list=[] while True: food=yield food_list #装饰器表达式 food_list.append(food) print(‘%s start to eat %s‘ %(name,food)) g=eater(‘hexin‘) # print(g) #生成器 # next(g) #等同于 g.send(None),初始化 print(g.send(‘food1‘)) print(g.send(‘food2‘)) print(g.send(‘food3‘))
输出
hexin ready to eat hexin start to eat food1 [‘food1‘] hexin start to eat food2 [‘food1‘, ‘food2‘] hexin start to eat food3 [‘food1‘, ‘food2‘, ‘food3‘]