迭代器、生成器

迭代器、生成器

迭代器

• 可迭代对象
  
  

 

 

• • 可迭代对象定义：　像字符串、字典、列表以及集合这种可以使用for循环的成为可迭代对象。
  • 可迭代对象的判断：内部必须有一个__iter__的方法，遵循可迭代协议。　
    • • 判断方法
        1. 判断：__iter__  in dir（对象）波尔值。
        2. 利用isinstance来判读数据类型。　　　　　　　　　

from collection import iterable
li = [1,2,3,55,1]
print(isinstance(li,Iterable))

• • 将可迭代对象转化为迭代器。
  • li.__iter__（）→迭代器
  • 迭代器不只有__iter__（），还有__next__（），遵循迭代协议。__next__（）只在迭代器里有，可迭代对象里面没有。

  • l = [1,2,3,4]
    l_iter = l.__iter__()  # 将可迭代的转化成迭代器
    item = l_iter.__next__()
    print(item)
    item = l_iter.__next__()
    print(item)
    item = l_iter.__next__()
    print(item)
    item = l_iter.__next__()
    print(item)
    item = l_iter.__next__()
    print(item)

     

• 迭代器　　

  • 判断迭代器

    • • 1. 用“__iter__（）”或者“__next__（）”in dir（迭代器名称）来判断

        2. 用isinstance（）来判断。　迭代器类型为Iterator。　　　　　　　　

  • 迭代器的用处以及意义

1. 1. 1. 1. 可以节省大量的内存空间
         2. 满足惰性机制；
         3. 不能反复取值，不可逆。

• • for循环机制
    • • 1. 将可迭代对象转化为迭代器；
        2. 内部使用了__next__（）取值。
        3. 使用了异常处理模块来处理异常情况。　

　　　　　　用while 循环模拟for循环机制。　

 

l2 = [1, 2, 3, 4, 5, 6, 7, 8]
l2_obj = l2.__iter__()
while True:
    try:
        i = l2_obj.__next__()
        print(i)
    except Exception:
        break

 

 

　　生成器

• • 定义：本质上也是一个迭代器。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。　　　　

  • 生成器的产生方式：

    1. 1. 生成器函数构造：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，以便下次在它离开的地方继续执行。

       2. 生成器推导式构造

       3. 数据类型的转化

 

def fun2():
    print("哈罗")
    print("日了狗")
    yield "吃了吗你"
    yield "打死你"           ###函数中只要有yield，该函数就不是一个函数，而是一个生成器。
    yield "亚索"
g = fun2()                  ###g称作函数生成器
print(g.__next__())
print(g.__next__())
print(g.__next__())

 

哈罗
日了狗
吃了吗你
打死你
亚索

 

def func1():
    for i in range(10000):
        yield ("阿里工号%s"%(i))
g = func1()

for i in range(1,51):
    print(g.__next__())
for j in range(151):    ###接着上面的数字打，所以从51开始往后输出150个数字、不可逆。
    print(g.__next__())

• • send（）函数

    • send跟__next__（）功能一样，都是只运行一次。

    • send可以给上一个yield赋值。

def generator():
    print(123)
    content = yield 1
    print(content)
    print(456)
    yield 2
g = generator()
print(g.__next__())
print(g.send('hello'))    ###给 yield1 赋值、

输出结果：

123
1
hello
456
2

• 备注：
  • 第一次使用生成器的时候，必须要用要用next来获取下一个值。
  • 最后一个yield不能接受外部的值。　　

 

l = [i for i in range(10)]
print(l)
l1 = ['选项%s'%i for i in range(10)]
print(l1)

备注：

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