欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

深入浅析Python中的迭代器

程序员文章站 2023-11-24 13:38:58
目录结构: contents structure [-] 在开始文章之前,先贴上一张iterable、iterator与generator之间的关系图:  ...

目录结构:

contents structure [-]

在开始文章之前,先贴上一张iterable、iterator与generator之间的关系图:

深入浅析Python中的迭代器 

1. iterator vs iterable

迭代器(iterator)

迭代器是实现了迭代器协议的类对象,迭代器协议规定了迭代器类必需定义__next()__方法。当对迭代器对象调用next()方法时,对象会去调用__next()__计算迭代器的返回值。

可迭代对象(iterable)

可迭代对象可以是任何对象,不一定是能返回迭代器的数据结构。一个可迭代对象会直接或间接性的调用这两个方法__iter()__和__next()__;其中__iter()__方法只能返回迭代器对象,__next()__则供给迭代器进行调用。

通常情况下,可迭代类都会实现__iter()__和__next()__,并且__iter()__返回它自己,换句话说,该类即是迭代器又是可迭代类。

下面的代码展示了迭代器和可迭代器对象之间的差别:

a_set = {1, 2, 3}#定义set数据类型,set是可迭代类型
b_iterator = iter(a_set)#得到set的迭代器
#output: 1
print(next(b_iterator))
#output: <class 'set'>
print(type(a_set))
#output: <class 'set_iterator'>
print(type(b_iterator))

从结果可以看出a_set是一个可迭代类型(set类型),b_iterator是一个迭代器(set_iterator),它们两个是完全不一同的类型。

下面的自定义了一个迭代器:

class series(object):
 def __init__(self, low, high):
  self.current = low
  self.high = high
 def __iter__(self):
  return self
 def __next__(self):
  if self.current > self.high:
   raise stopiteration
  else:
   self.current += 1
   return self.current - 1
n_list = series(1,10) 
print(list(n_list))

从上面的代码可以看出,__iter__返回了迭代器本身。__next__返回迭代器的下一个值,如果没有下一个返回值那么会抛出stopiteration异常。如果没有在合适的位置抛出stopiteration异常结束迭代,那么在某些循环语句中(例如:for loop),将会形成死循环,所以在__next__中必需要在合适位置添加退出语句(抛出stopiterator异常)。

2.itertools 模块

itertools是python的内置模块,其中包含了能够创建迭代器的函数。简而言之,它提供了许多能够与迭代器交互的方法。

下面是我们使用itertools模块中count函数的案例:

from itertools import count
sequence = count(start=0, step=1)
while(next(sequence) <= 10):
 print(next(sequence),end=" ")

输出:

itertools中的cycle函数可以创建无限迭代器,例如:

from itertools import cycle
dessert = cycle(['icecream','cake'])
count = 0
while(count != 4):
 print('q. what do we have for dessert? a: ' + next(dessert))
 count+=1

输出:

q. what do we have for dessert? a: icecream
q. what do we have for dessert? a: cake
q. what do we have for dessert? a: icecream
q. what do we have for dessert? a: cake

关于更多itertools模块的使用, 可以 。

3.生成器(generator)

生成器可以说是迭代器的亲兄弟,生成器允许我们像上面那样写迭代器而不用额外定义__iter__()和__next__()方法。

看下面的案例:

def series_generator(low, high):
 while low <= high:
  yield low
  low += 1
n_list = []
for num in series_generator(1,10):
 n_list.append(num)
print(n_list)

如果一个方法中出现了yield关键字,那么该方法就是一个生成器。生成器中没有return语句,函数的返回值实际上是一个generator。当循环开始执行到yield语句后,low的值会被扩展到要返回的generator中。当下一次循环到达yield语句时,generator会从上一次停止的地方恢复执行,并且将最新的low值添加到generator中。循环一直运行下去,直到low>high退出循环。

生成器支持延迟计算,只有当去取生成器中的值时才会计算。

例如:

def test():
 print("进入test函数")
 for i in range(2):
  print("yield number ",i)
  yield i
if "__main__" == __name__:
 print("开始调用test")
 res = test()
 print("结束调用test")
 next(res)
 next(res)

输出:

开始调用test
结束调用test
第一次next(res)
进入test函数
yield number 0
第二次next(res)
yield number  1

从结果可以看出,只有使用next调用迭代器时(使用for,while循环也可以),才会去执行迭代器函数中的内容。

python中生成器可以分为生成器函数和生成器表达式,生成器函数和生成器表达式是两种不同的类型。

生成器函数是一个函数体中有yield关键字的,我们上面定义的test就是生成器函数。

生成器表达式的使用比较受限制,一个生成器表达式返回一个生成器。下面是一个使用生成器表达式的案例:

squares = (x * x for x in range(1,10))
print(type(squares))
print(list(squares))

输出:

<class 'generator'>
[1, 4, 9, 16, 25, 36, 49, 64, 81]

生成器的效率是非常高的,生成器可以更好的利用内存和cpu的使用效率,并且通常生成器的代码都比较少,这使用生成器的代码非常好容易理解。应此应该尽量多的在代码中使用生成器

参考文档

总结

以上所述是小编给大家介绍的python中的迭代器,希望对大家有所帮助