日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

Python中的迭代器與生成器使用及說明_python

作者：Lareges ? 更新時間： 2023-01-17 編程語言

一、迭代器（Iterator）

1.1 可迭代對象（Iterable）

可迭代對象，可以簡單理解為可遍歷對象，即能夠使用 for 循環遍歷的對象。Python中常見的可迭代對象有：列表、元組、字符串、集合、range、字典等。

迭代器和生成器都是可迭代對象。

對于Python中的任意對象，只要它定義了可以返回一個迭代器的 __iter__ 方法，或者定義了可以支持下標索引的 __getitem__ 方法，那么它就是一個可迭代對象。

對可迭代對象使用 __iter__ 方法后，會返回一個迭代器。

如何判斷一個對象是否為可迭代對象呢？請看下例。

from collections.abc import Iterable

isinstance([1, 2, 3], Iterable) ?# True
isinstance((1, 2, 3), Iterable) ?# True
isinstance('123', Iterable) ?# True
isinstance({1, 2, 3}, Iterable) ?# True
isinstance(range(3), Iterable) ?# True
isinstance({'key': 'value'}, Iterable) ?# True
isinstance(123, Iterable) ?# False

可以看出，我們只需要使用 isinstance(object, Iterable) 即可判斷給定的 object 是否為可迭代對象。

嚴格來講，isinstance() 只會將有 __iter__ 方法的對象判斷為 Iterable。

換言之，僅用 __getitem__ 方法實現的可迭代對象會被 isinstance() 誤判為不可迭代對象。

最正確的做法是直接嘗試 iter(object)，如果沒有報錯，則說明 object 是可迭代對象。

1.2 將可迭代對象轉化為迭代器

我們可以將現有的可迭代對象轉化為可迭代器：

s = '12345'
myiter = iter(s)
myiter
# <str_iterator at 0x25e6f40d130>

不斷調用 next 方法來依次獲取迭代器的元素：

next(myiter)
# '1'
next(myiter)
# '2'
next(myiter)
# '3'
next(myiter)
# '4'
next(myiter)
# '5'
next(myiter)
# StopIteration:?

可見迭代器執行到最后時會拋出一個 StopIteration 異常。

為避免這種異常，我們完全可以用更簡單的 for 循環去遍歷：

for e in myiter:
? ? print(e)
# 1
# 2
# 3
# 4
# 5

1.3 構造迭代器

構造一個迭代器只需要在自定義的類中實現兩個方法：__iter__ 和 __next__ 。

  • 迭代器是一個可以記住遍歷位置的對象。
  • 迭代器對象會從第一個元素開始訪問，直到所有元素都被訪問為止，且只能前進不能后退。

當我們構造類時，必須要有一個名為 __init__() 的函數，該函數可以在實例化時進行一些初始化。

  • __iter__() 方法的行為類似，可以執行操作（初始化等），但必須始終返回迭代器對象本身。
  • __next__() 方法還允許你進行其他操作，并且必須返回序列中的下一項。
class MyIter:
? ? def __iter__(self):
? ? ? ? self.count = 1
? ? ? ? return self
? ??
? ? def __next__(self):
? ? ? ? x = self.count
? ? ? ? self.count += 1
? ? ? ? return x

我們創建了一個返回數字的迭代器，每次序列的數值都將 +1。

myiter = iter(MyIter())
next(myiter)
# 1
next(myiter)
# 2
next(myiter)
# 3

如果我們一直調用 next() 的方法，則序列的值將會無限遞增下去。即如果我們使用 for 循環去遍歷上述迭代器，循環將永遠進行下去…

myiter = iter(MyIter())
for e in myiter:
? ? print(e)
# 循環將一直進行下去...

為了防止迭代永遠進行下去，我們可以在迭代次數達到一定值時拋出 StopIteration 異常。

class MyIter:
? ? def __iter__(self):
? ? ? ? self.count = 1
? ? ? ? return self
? ??
? ? def __next__(self):
? ? ? ? if self.count <= 5:
? ? ? ? ? ? x = self.count
? ? ? ? ? ? self.count += 1
? ? ? ? ? ? return x
? ? ? ? else:
? ? ? ? ? ? raise StopIteration

這樣再執行 for 循環就不會一直進行下去了：

myiter = iter(MyIter())
for e in myiter:
? ? print(e)
# 1
# 2
# 3
# 4
# 5

二、生成器（Generator）

在Python中，一邊迭代（循環）一邊計算的機制，稱為生成器。生成器能夠迭代的關鍵是因為它有一個 __next__ 方法。

為什么要有生成器呢？我們知道，列表中的所有數據都存儲在內存中，如果有海量數據的話將會非常消耗內存。很多時候，我們只需要訪問列表中前面的元素，這樣一來后面的元素所占用的空間就白白浪費了。

如果列表元素能夠按照某種算法推算出來，那我們就可以在循環的過程中不斷推算出后續的元素，這樣就不必創建完整的列表，從而節省了大量的空間（即用多少就生成多少）。

有以下兩種常用方法來創建生成器：

將列表解析式中的 [] 改為 ()。在自定義的函數中使用 yield 關鍵字。此時這個函數就不再是一個普通函數，而是一個生成器，調用該函數就是創建了一個生成器對象。

2.1 使用 () 構造生成器

比較以下兩段代碼：

a = [x for x in range(3)]
type(a)
# list

a = (x for x in range(3))
type(a)
# generator

我們還可以比較列表解析式和生成器的耗時：

tic = time.time()
a = sum([x for x in range(10000000)])
toc = time.time()
print(toc - tic)
# 0.9081981182098389
tic = time.time()
a = sum((x for x in range(10000000)))
toc = time.time()
print(toc - tic)
# 0.6906485557556152

我們當然可以對生成器使用 next() 方法：

next(a)
# 0
next(a)
# 1
next(a)
# 2
next(a)
# StopIteration:?

但一般我們不會用 next() 來獲取下一個返回值，而是直接使用 for 循環來迭代。

2.2 使用帶有 yield 關鍵字的函數構造生成器

帶有 yield 的函數不再是一個普通函數，而是一個生成器。

yield 相當于return一個值，并且記住這個返回的位置，下次迭代時，代碼從 yield 的下一條語句開始執行。

我們可以通過下面的例子先來理解一下：

def num():
? ? print('開始執行')
? ? for i in range(5):
? ? ? ? yield i
? ? ? ? print('繼續執行')


mygen = num()
type(mygen)
# generator

由此，我們成功創建了一個生成器對象。接下來調用 next 方法觀察這個生成器是如何工作的：

next(mygen)
# 開始執行
# 0
next(mygen)
# 繼續執行
# 1
next(mygen)
# 繼續執行
# 2
next(mygen)
# 繼續執行
# 3
next(mygen)
# 繼續執行
# 4
next(mygen)
# StopIteration:

當然我們也可以使用 for 循環來遍歷這個生成器：

for step in mygen:
? ? print(step)
# 開始執行
# 0
# 繼續執行
# 1
# 繼續執行
# 2
# 繼續執行
# 3
# 繼續執行
# 4
# 繼續執行

總結

原文鏈接：https://raelum.blog.csdn.net/article/details/124573424

欄目分類
最近更新