目录

• 列表生成式
• 生成器
  • 1.定义
  • 2.作用
  • 3.返回值
• 迭代器
  • 1.特点
  • 2.常见的迭代器
  • 3.可迭代对象

列表生成式

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。

例如：

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

生成器

1.定义

一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator），如果函数中包含yield语法，那这个函数就会变成生成器

2.作用

这个yield的主要效果呢，就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以再重新调用这个函数，从上次yield的下一句开始执行。

另外，还可通过yield实现在单线程的情况下实现并发运算的效果

例如1 ：保存中断状态

def cash_out(amount):
    while amount > 0:
        amount -= 1
        yield 1
    return "done"

ATM = cash_out(5)
try:
    print("取到钱 %s 万" % ATM.__next__())
    print("花掉花掉!")
    print("取到钱 %s 万" % ATM.__next__())
    print("取到钱 %s 万" % ATM.__next__())
    print("花掉花掉!")
    print("取到钱 %s 万" % ATM.__next__())
    print("取到钱 %s 万" % ATM.__next__())
    print("取到钱 %s 万" % ATM.__next__())  # 到这时钱就取没了,再取就报错了
    print("取到钱 %s 万" % ATM.__next__())
except StopIteration as e:
    print("%s" %e.value)
#输出结果
取到钱 1 万
花掉花掉!
取到钱 1 万
取到钱 1 万
花掉花掉!
取到钱 1 万
取到钱 1 万
done

例如2：单线程进行并发运算

import time

def consumer(name):
    print("%s 准备吃包子啦!" % name)
    while True:
        baozi = yield

        print("包子[%s]来了,被[%s]吃了!" % (baozi, name))

def producer(name):
    c = consumer('A')
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print("老子开始准备做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("做了2个包子!")
        c.send(i)
        c2.send(i)

producer("alex")

3.返回值

yield是生成器返回值

return返回值是StopIterator错误抛出的值

迭代器

1.特点

1. 访问者不需要关心迭代器内部的结构，仅需通过next()方法不断去取下一个内容
2. 不能随机访问集合中的某个值 ，只能从头到尾依次访问
3. 访问到一半时不能往回退
4. 便于循环比较大的数据集合，节省内存

>>> a = iter([1,2,3,4,5])
>>> a
<list_iterator object at 0x101402630>
>>> a.__next__()
1
>>> a.__next__()
2
>>> a.__next__()
3
>>> a.__next__()
4
>>> a.__next__()
5
>>> a.__next__()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

2.常见的迭代器

py3

#range使用了迭代器，每次需要获取才调用函数
>>> range(10)
range(0, 10)
#文件读取的时候，read()和readlines()将所有内容都读取到列表，会占用大量内存
#使用迭代器，一行行的读和操作，性能更优
f = open("1.txt")
for i in f:
      print(i)

py2

>>> range(10)
[0,1,2,3,4,5,6,7,8,9]

>>> xrange(10)
range(0, 10)

3.可迭代对象

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

#list dict string不是迭代器
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

#list dict string可以转换为迭代器
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

原文地址：https://www.cnblogs.com/akiz/p/11144306.html