Python学习之路7 - 生成器&迭代器

本章内容：

• 列表生成式
• 生成器
• yield
• 迭代器

---

列表生成式

当我们要定义一个列表的时候，我们通常用这种方式a = [1,2,3]，但是如果我们定义了一个比较长的列表的时候，手动定义列表就会比较麻烦，这是我们通常的做法就是利用循环的手段来创建列表，例如创建如下的列表：

L = [0,1,4,9,16,25,36,49,64,81]

L = []
for x in range(1, 11):
   L.append(x*x)

　　这样我们就创建了一个较长的列表。

但是这样写，我们用了三行代码，其实我们可以用一行代码就代替了它：

L = [i*i for i in range(1,11)]

　　这就是列表生成式。

前面的i*i是运算式，也可以用函数，然后后面加上一个for循环就可以了。

其实我们不难看出，for循环和列表生成式的关系，如下图：

for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方：

[x * x for x in range(1, 11) if x % 2 == 0]
#结果为：
#[4, 16, 36, 64, 100]

还可以使用两层循环，可以生成全排列：

[m + n for m in 'ABC' for n in 'XYZ']
#结果为：
#['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']

三层用的就比较少了。

生成器

上面的列表生成式的最外面是用中括号括起来的，如果把中括号变成小括号，也就是这样：

L = (i*i for i in range(1,11))

这样就是一个生成器了。

那么生成器有什么好处呢？

我们用列表生成式直接生成列表后，列表会直接放在内存中等待被使用。但是如果列表过于长了，但是我们暂时又用不到全部的元素，就会造成内存的浪费。生成器的好处就在于(i*i for i in range(1,11))这句话执行完毕后将返回一个算法给L，并不是直接将所有的数据放到内存中，当我们访问数据时，生成器就会根据算法现生成我们需要的书库，这样就避免了内存的浪费。

但是生成器不能像列表一样a[100]这样直接取出某个数据，因为生成器还没有访问到第100个元素。生成器其实就像一个递推公式一样，想要知道第100个元素是什么，就必须要先知道第99个元素是什么，以此类推...

下面用生成器生成一个列表并且遍历所有的数据

L = (i*i for i in range(1,11))
for i in L:
    print(i)

也可以一个一个数据的访问，调用生成器中下一个数据

a = (i*i for i in range(1,11))
a.__next__()    #这样就调用了下一个数据

并且生成器也只有一个方法，就是__next__()方法，只能往下走，不能回头。

 

yield 

先来看一个菲波那切数列的迭代算法。

def fib(max):
    n,a,b = 0,0,1
    while n<max:
        #print(b)   #如果用print，那么这个函数就会直接输出数列的所有值
        yield b     #如果用yield，那么这个函数就会变成一个生成器
        a, b = b, a + b
        n = n + 1
    return '---done---' #如果程序抛异常，就会返回这个信息

yield可以保存当前循环的状态，然后可以先做其他的事情，做完其他的事情，可以回来继续进行下一个循环。

 

yield的一个稍微复杂的应用 - 利用yield模拟多线程

import time
def consumer(name):
    print("%s 准备吃包子了！" %name)
    while True:
        baozi = yield
        print("包子[%s]来了，被[%s]吃了！" %(baozi,name))
#当函数中有yield时，这个函数就会变成一个生成器
c = consumer('lisi')    #将这个生成器赋值给c
c.__next__()    #然后执行一次这个生成器，但是一次调用只会执行到含有yield的语句前面，
                # 因为yield可以暂停并保存当前的状态，一到yield就会暂停，所以while循环里面的输出语句没有执行
c.send('猪肉')  #send()函数，用来向yield里面传值，然后继续执行一次，直到再次碰到yield时就会再次暂停
                #注意，第一次执行时一定要执行__next__()函数，后面才可以执行send()函数
c.send('牛肉')    #再次传值，再次执行while里面的语句，注意，不会执行上面的print("%s 准备吃包子了！" %name)语句
c.send('niurou')    #再次传值，再次执行while里面的语句
c.__next__()    #这里再次调用__next__()函数，同样还是执行while里面的输出语句，但是不会向yield里面传值

上面是手动执行这个生成器，下面写一个函数来调用这个生成器。

import time
def consumer(name):
    print("%s 准备吃包子了！" %name)
    while True:
        baozi = yield
        print("包子[%s]来了，被[%s]吃了！" %(baozi,name))
def producer():
    c = consumer('A')
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print('老子开始准备做包子了')
    for i in range(10):
        time.sleep(1)
        print('做了一个包子，分两半')
        c.send(i)
        c2.send(i)
producer()
#这样就是一边做包子，一边吃包子了

 

迭代器

可以被next()函数调用并不断返回下一个值的对象成为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象或者Iterable对象

from collections import Iterator    #需要先导入这个模块
isinstance((x for x in range(10)),Iterator)
    #第一个参数为想要判断的东西，第二个参数是想要判断的类型
isinstance({},Iterator)
from collections import Iterable
isinstance((),Iterator)
isinstance('abc',Iterator)

生成器都是Iterator对象，但是list、dict、str虽然是Iterator，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()对象。

isinstance(iter([]),Iterator)   #这样结果就是True了
#例子
a = [1,2,3]
b = iter(a)
b.__next__()