Python迭代器和生成器介绍
迭代器
迭代器是一个实现了迭代器协议的对象,Python中的迭代器协议就是有next方法的对象会前进到下一结果,而在一系列结果的末尾是,则会引发StopIteration。
在for循环中,Python将自动调用工厂函数iter()获得迭代器,自动调用next()获取元素,还完成了检查StopIteration异常的工作。
常用的几个内建数据结构tuple、list、set、dict都支持迭代器,字符串也可以使用迭代操作。
你也可以自己实现一个迭代器,如上所述,只需要在类的__iter__方法中返回一个对象,这个对象拥有一个next()方法,这个方法能在恰当的时候抛出StopIteration异常即可。但是需要自己实现迭代器的时候不多,即使需要,使用生成器会更轻松。
[python] view plaincopy
- #!/usr/bin/env python
- # coding=utf-8
- class test:
- def __init__(self, input_list):
- self.list = input_list
- self.i = 0
- def __iter__(self):
- return self
- def next(self):
- if self.i == len(self.list):
- self.i = 0
- raise StopIteration
- self.i += 1
- return self.list[self.i - 1]
使用迭代器一个显而易见的好处就是:每次只从对象中读取一条数据,不会造成内存的过大开销。
例如:
[python] view plaincopy
- /* 把文件一次加载到内存中,然后逐行打印。当文件很大时,这个方法的内存开销就很大了 */
- for line in open("test.txt").readlines():
- print line
- /* 这是最简单也是运行速度最快的写法,他并没显式的读取文件,而是利用迭代器每次读取下一行 */
- for line in open("test.txt"): #use file iterators
- print line
生成器
生成器的编写方法和函数定义类似,只是在return的地方改为yield。
生成器中可以有多个yield。当生成器遇到一个yield时,会暂停运行生成器,返回yield后面的值。当再次调用生成器的时候,会从刚才暂停的地方继续运行,直到下一个yield。
生成器自身又构成一个迭代器,每次迭代时使用一个yield返回的值。
需要注意的是,生成器中不需要return语句,不需要指定返回值,在生成器中已经存在默认的返回语句
生成器表达式
[python] view plaincopy
- (i for i in range(5))
- // 返回迭代器
- <generator object <genexpr> at 0x7ff3e8f0d960>
列表解析,返回list
[python] view plaincopy
- [i for i in range(5)]
- // 返回list
- [0, 1, 2, 3, 4]
在这里存在一个问题,那就是range(5)会返回一个长度为5的数据,如果是range(1000)那么就会占用一个1000大小的数组空间;如果我们采用`生成器`,在需要的时候产生一个数字,那么空间的占用情况就会降低,这里我们可以使用xrange()函数来实现。
[python] view plaincopy
- ‘‘‘‘‘
- xrange
- 函数说明:用法与range完全相同,所不同的是生成的不是一个数组,而是一个生成器。
- xrange示例:
- ‘‘‘
- >>> xrange(5)
- xrange(5)
- >>> list(xrange(5))
- [0, 1, 2, 3, 4]
- >>> xrange(1,5)
- xrange(1, 5)
- >>> list(xrange(1,5))
- [1, 2, 3, 4]
- >>> xrange(0,6,2)
- xrange(0, 6, 2)
- >>> list(xrange(0,6,2))
- [0, 2, 4]
所以xrange做循环的性能比range好,尤其是返回很大的时候,尽量用xrange吧,除非你是要返回一个列表。
参考来源:
Python迭代器和生成器介绍
http://www.lai18.com/content/384355.html