Python迭代器iterator生成器generator使用解析
作者:snailon 时间:2023-11-17 18:50:24
1. 迭代
根据记录的前面的元素的位置信息 去访问后续的元素的过程 -遍历 迭代
2. 可迭代对象 iterable
如何判断可迭代对象的3种方式
能够被迭代访问的对象 for in
常用可迭代对象-list tuple str
from collections import Iterable
isinstance(obj, Iterable)
3. 可迭代对象
可迭代对象通过__iter__方法提供一个 可以遍历对象中数据的工具-迭代器
iter(可迭代对象) 可以获取可迭代对象的迭代器
通过迭代器可以迭代访问 数据
next(迭代器) ===== 迭代器对象.__next__()
可迭代对象的本质提供了一个迭代器(遍历可迭代对象中的数据)
如何获取可迭代对象中的迭代器迭代器对象= iter(可迭代对象)
如果通过迭代器访问可迭代对象中下一个元素元素的值=next(迭代器对象)
如果迭代器遍历完成抛出 停止迭代-异常StopIteration
如果需要实现一个迭代器 就需要实现__next__()
4. 迭代器 iterator
-- 迭代器访问可迭代对象中数据 判断对象是否是迭代器类型
from collections import Iterator
isinstance(obj, Iterator)
自己实现
迭代器本身也是可迭代对象 __iter__() 提供迭代器(self)
下一个元素的值 = next(迭代器) =====> __next__()
实现一个可迭代对象
from collections import Iterable
from collections import Iterator
import time
class MylistIterator(object):
"""这是Mylist类型的对应迭代器类型 """
def __init__(self,data):
# 需要被便利的数据
self.data = data
# 保存用户访问的位置
self.index = 0
def __iter__(self):
"""python规定 迭代器是一种可迭代对象"""
return self
def __next__(self):
"""next(ml_iterator) 相当于调用迭代器对象的.__next__()"""
if self.index < len(self.data):
ret = self.data[self.index]
self.index += 1
return ret
else:
# 访问完成 应该抛出异常
raise StopIteration
class Mylist(object):
"""可迭代对象"""
def __init__(self):
self.data = [1,2,3,4,5]
def __iter__(self):
"""提供迭代器"""
# 返回迭代器对象
mliter = MylistIterator(self.data)
return mliter
# ml是一个可迭代类型
ml = Mylist()
# 获取可迭代对象的 迭代器对象
ml_iter = iter(ml)
print(isinstance(ml_iter, Iterator))
for i in ml:
print(i)
time.sleep(1)
"""
1可迭代对象的本质提供了一个迭代器(遍历可迭代对象中的数据)
2如何获取可迭代对象中的迭代器迭代器对象= iter(可迭代对象)
实际上相当于 可迭代对象.__iter__()
3如果通过迭代器访问可迭代对象中下一个元素元素的值=next(迭代器对象)
如果迭代器遍历完成抛出 停止迭代-异常StopIteration
"""
print(isinstance(ml, Iterable))
用迭代器完成斐波那契数列(难点在next)
"""兔子队列 某一项的值是前两项的和
1 1 2 3 5 8
"""
class Fib(object):
def __init__(self,n):
"""初始化操作"""
# n代表数列的长度
self.n = n
# 下标记录
self.index = 0
self.number1 = 0
self.number2 = 1
def __iter__(self):
return self
def __next__(self):
"""next(迭代器)===.__next__()"""
if self.index < self.n:
ret = self.number1
self.number1,self.number2 = self.number2,self.number2+self.number1
self.index += 1
return ret
else:
raise StopIteration
# list() tuple()都可以接收迭代器并且将遍历到的数据存储到集合中
print(list(Fib(10)))
#
# # 打印斐波那契数列的前10项的值
# # for i in Fib(10):
# # print(i)
# # 1 通过iter函数获取可迭代对象 Iterable 的迭代器 iterator
# ml_iterator = iter(Fib(1000))
#
# # 2 在循环内部不断调用next(迭代器) 获取下一个元素的值
# # 3 如果迭代完成 会抛出一个停止迭代的异常StopIteration
5. 生成器 generator
生成器是一种特殊的迭代器 --- 是迭代器, 并且有自己的特点
1 创建生成器表达式 [] ----》 (x for x in range(100))
2 生成器函数
凡是有yield关键字的函数都不是普通函数了 而是生成器函数
# 列表推导式
lis=[x for x in range(10)]
print(lis)
# 生成器表达式 中括号变圆括号
data=(x for x in range(10))
print(data)
# 遍历data
for i in data:
print(i)
结果:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
<generator object <genexpr> at 0x02AE7120>
1
3
5
7
9
6. yield关键字的作用
挂起当前函数 将后面表达式的值 返回到调用生成器的地方
接收数据 并唤醒当前函数 并且紧接着上次运行的地址继续执行
7. 唤醒生成器的两种方式
生成器.send("数据")
next(生成器) === 生成器.send(None)
在第一次调用生成器对象的是 必须使用next()
在后续的情况下 send和next可以混用
来源:https://www.cnblogs.com/snailon/p/11456776.html