Python通过for循环理解迭代器和生成器实例详解
本文实例讲述了python通过for循环理解迭代器和生成器。分享给大家供大家参考,具体如下:
迭代器
可迭代对象
通过 for…in… 循环依次拿到数据进行使用的过程称为遍历,也叫迭代。我们把可以通过 for…in… 语句迭代读取数据的对象称之为可迭代对象。
- 通过
isinstance()
可以判断一个对象是否可以迭代
# 判断列表 print(isinstance([], iterable)
打印结果为 true 即为可迭代对象。
- 自定义一个能容纳数据的类,测试该类的可迭代性
import collections class myclassmate(object): def __init__(self): self.names = [] def add(self, name): self.names.append(name) # 创建 myclassmate对象 my_classmate = myclassmate() my_classmate.add("小王") my_classmate.add("小李") my_classmate.add("小张") # 判断myclassmate是否为可迭代对象 print("是否为可迭代对象:",isinstance(my_classmate, collections.iterable)) # 迭代数据 for temp in my_classmate: print(temp)
运行结果:
是否为可迭代对象: false
traceback (most recent call last):
for temp in my_classmate:
typeerror: 'myclassmate' object is not iterable
封装一个可以存放多条数据的类型是不可迭代的
何为可迭代对象
- 我们分析对可迭代对象进行迭代使用的过程,发现每迭代一次(即在 for…in… 中每循环一次)都会返回对象中的下一条数据,一直向后读取数据直到迭代了所有数据后结束。那么,在这个过程中就应该有一个"人"去记录每次访问到了第几条数据,以便每次迭代都可以返回下一条数据。我们把这个能帮助我们进行数据迭代的"人"称为迭代器 (iterator)。
- 可迭代对象的本质就是提供一个这样的中间"人"即迭代器帮助我们对其进行迭代遍历使用。
- 可迭代对象通过
__iter__
方法向我们提供一个迭代器,在迭代一个可迭代对象的时候,实际上就是先获取该对象提供的一个迭代器,然后通过这个迭代器来依次获取对象中的每一个数据.
1.可迭代对象的本质就是提供一个这样的中间"人"即迭代器帮助我们对其进行迭代遍历使用
2.可迭代对象是一个具备了
__iter__
方法的对象,通过__iter__
方法获取可迭代对象的迭代器
from collections import iterable class myclassmate(object): def __init__(self): self.names = [] def add(self, name): self.names.append(item) def __iter__(self): """空实现该方法""" return none # 创建 myclassmate对象 my_classmate = myclassmate() my_classmate.add("小王") my_classmate.add("小李") my_classmate.add("小张") # 判断myclassmate是否为可迭代对象 print(isinstance(my_classmate, iterable))
运行结果:
是否为可迭代对象: true
这回测试发现添加了__iter__
方法的my_classmate对象已经是一个可迭代对象了。
iter() 函数与 next() 函数
list、tuple 等都是可迭代对象,我们可以通过 iter() 函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器不断使用
next()
函数来获取下一条数据。
li = [11, 22, 33, 44, 55] # 通过iter() 取得可迭代对象的迭代器 iterator = iter(li) # 通过next()函数取得iterator迭代器指向的下一个值 print(next(iterator)) print(next(iterator)) print(next(iterator)) print(next(iterator)) print(next(iterator)) print(next(iterator))
1.
iter(iterable)
函数是把可迭代对象的迭代器取出来,内部是调用可迭代对象的__iter__
方法,来取得迭代器的2.
next(iterator)
函数是通过迭代器取得下一个位置的值,内部是调用迭代器对象的__next__
方法,来取得下一个位置的值
注意: 当我们已经迭代完最后一个数据之后,再次调用 next()
函数会抛出 stopiteration 的异常,来告诉我们所有数据都已迭代完成,不用再执行 next()
函数了。
迭代器
我们要想构造一个迭代器,就要实现它的
__next__
方法。但这还不够,python 要求迭代器本身也是可迭代的,所以我们还要为迭代器实现__iter__
方法,而__iter__
方法要返回一个迭代器,迭代器自身正是一个迭代器,所以迭代器的__iter__
方法返回自身即可。一个实现了
__iter__
方法和__next__
方法的对象,就是迭代器,迭代器同时也是一个可迭代对象.
import collections class myclassmate(object): def __init__(self): # 声明一个列表 self.names = [] # 记录迭代器迭代的位置, 默认是0 ,即从起始位置开始 self.current = 0 def add(self, name): self.names.append(name) def __iter__(self): """通过该方法取得迭代器对象""" return self def __next__(self): """取得下一个迭代的值""" if self.current < len(self.names): name = self.names[self.current] self.current += 1 return name else: raise stopiteration # 创建myclassmate实例 my_classmate = myclassmate() my_classmate.add("小王") my_classmate.add("小李") my_classmate.add("小张") # 测试mylist是不是可迭代对象 print(isinstance(my_classmate, collections.iterable)) # 遍历数据 for name in my_classmate: print(name)
for…in… 循环的本质
for item in iterable 循环的本质就是先通过iter()
函数获取可迭代对象 iterable 的迭代器,然后对获取到的迭代器不断调用 next() 方法来获取下一个值并将其赋值给 item,当遇到 stopiteration 的异常后循环结束 (for…in..会自动处理 stopiteration 异常)。
生成器
生成器
生成器是一种特殊的迭代器,它比迭代器更优雅
创建生成器的方法
1.将列表生成式的 [] 改成 ()
# 参考列表生成式 l=[x*2 for x in range(6)] print(l) # 把[] 改为() :就是一个简单的列表生成器 g=(x*2 for x in range(6)) # 输出的是生成器对象 print(g) print("通过next()函数取得下一个值") print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g)) # 创建一个简单生成器,通过 for来遍历 g=(x*2 for x in range(6)) print("通过for 迭代的结果:") for num in g: print(num)
运行结果:
[0, 2, 4, 6, 8, 10]
<generator object <genexpr> at 0x7ff7f8bbd5c8>
通过next()函数取得下一个值
0
2
4
6
8
10
通过for 迭代的结果:
0
2
4
6
8
10
2.通过关键字 yield 实现生成器
def fib(n): current_index = 0 num1, num2 = 0, 1 while current_index < n: # print(num1) # 打印斐波那契数列 """ 1. 假如函数中有yield,则不再是函数,而是生成器 2. yield 会产生一个断点 3. 假如yield后面紧接着一个数据,就会把数据返回, 作为next()函数或者for ...in...迭代出的下一个值 """ yield num1 num1, num2 = num2, num1 + num2 current_index += 1 if __name__ == '__main__': # 假如函数中有yield,则不再是函数,而是一个生成器 gen = fib(5) # 生成器是一种特殊的迭代器 for num in gen: print(num) # 也可以用 next() 函数取下一个值
在使用生成器实现的方式中,我们将原本在迭代器__next__
方法中实现的基本逻辑放到一个函数中来实现,但是将打印输出方式换成 yield,此时新定义的函数便不再是函数,而是一个生成器了。简单来说:只要在函数中有 yield 关键字,就称为生成器。
此时按照调用函数的方式( 案例中为 gen = fib(5)
)使用生成器就不再是执行函数体了,而是会返回一个生成器对象( 案例中为 gen ),然后就可以按照使用迭代器的方式来使用生成器了。
使用 send()
唤醒
def gen(): i = 0 while i < 5: temp = yield i print(temp) i += 1 if __name__ == '__main__': # 取得生成器对象 obj = gen() # 使用next()唤醒生成器 print(next(obj)) print(next(obj)) # 使用send唤醒生成器 ,在唤醒的同时向断点处传入一个附加数据 print(obj.send("haha")) # 使用next()唤醒生成器 print(next(obj)) # 使用send唤醒生成器 ,在唤醒的同时向断点处传入一个附加数据 print(obj.send("python"))
运行结果:
0
none
1
haha
2
none
3
python
我们除了可以使用 next() 函数来唤醒生成器继续执行外,还可以使用 send() 函数来唤醒执行。使用 send() 函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
总结
1. 假如函数中有 yield,则不再是函数,而是生成器
2. yield 会产生一个断点,暂停函数,保存状态
3. 假如yield后面紧接着一个数据,就会把数据返回,作为 next()
函数或者 for …in… 迭代出的下一个值
4. 可以通过 next()
唤醒生成器,让生成器从断点处继续执行
send与next唤醒生成器不同:
1. send 与next都可以唤醒生成器,但send(value)可以传值给生成器的断点处
2. 使用:
next(generator) generator.send("你好")
3. generator.send(none)
等价于next(generator)
4. 注意: 第一次唤醒生成器时,假如使用 send,则只能传 none,因为刚开始执行生成器时,是没有断点的
- 解析
temp = yield num generator.send("你好")
temp = yield num 为赋值语句,当看到等号时, 一定是等号左边先运行完,再赋值给等号右边
而程序运行到 yield num 时,会先返回一个值,也就是此时的 num ,然后将 send()
里的参数传给 yield num
,进而赋值给 temp
更多关于python相关内容可查看本站专题:《python数据结构与算法教程》、《python socket编程技巧总结》、《python函数使用技巧总结》、《python字符串操作技巧汇总》及《python入门与进阶经典教程》
希望本文所述对大家python程序设计有所帮助。