Python 学习笔记 - 生成器和迭代器

简介:

这一节来学习生成器(generator)和迭代器(iterator)


首先来回忆一个例子,这里打印rest的时候为什么要通过list(rest)打出,而不是直接输出rest?


1
2
3
4
5
>>> li = [ 11 , 22 , 33 ]
rest = filter ( lambda  x:x> 22 ,li)
print ( list (rest))
- - - - - - - -
[ 33 ]


试试看,如果直接输出是什么结果?

1
2
3
4
>>> li = [ 11 , 22 , 33 ]
rest = filter ( lambda  x:x> 22 ,li)
print (rest)
< filter  object  at  0x00000192C88AF4A8 >


事实上,如果在2.7里面,他会直接输出结果,但是在3.X以后,他只会返回一个具有生成能力的对象,而不是直接输出所有结果,这样的好处是如果我们有成千上万个数据要输出,他不会直接一股脑的就输出来了。我们需要循环地输出这个对象生成所有需要的值。比如把上面的例子改成for循环也是一样的

1
2
3
4
5
>>> li = [ 11 , 22 , 33 ]
rest = filter ( lambda  x:x> 22 ,li)
for  in  rest:
     print (i)
33


现在来看看基本的定义:


1.迭代器是访问集合元素的一种方式。迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束。迭代器只能往前不会后退,不过这也没什么,因为人们很少在迭代途中往后退。另外,迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素,而在这之前或之后,元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合,比如几个G的文件

特点:

  1. 访问者不需要关心迭代器内部的结构,仅需通过next()方法不断去取下一个内容

  2. 不能随机访问集合中的某个值 ,只能从头到尾依次访问

  3. 访问到一半时不能往回退

  4. 便于循环比较大的数据集合,节省内存



2. 一个函数调用时返回一个迭代器,那这个函数就叫做生成器(generator);如果函数中包含yield语法,那这个函数就会变成生成器;


下面直接通过例子说明:

比如我定义了一个函数f1,里面包含了yield这个关键字,那么他就变成了一个生成器,他的结果只能通过迭代器的next方法一步步输出

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
>>>  def  f1():
     print ( "1" )
     yield  22
     print ( "2" )
     yield  33
     print ( "3" )
     yield  44
r = f1()
print (r, type (r))
print (r.__next__())
print (r.__next__())
print (r.__next__())
- - - - - - - - - - - - - - - - - - - -
<generator  object  f1 at  0x00000192C88DC728 > < class  'generator' >
1
22
2
33
3

当然通过循环语句自动调用迭代器更方便了

1
2
for  item  in  r:
     print (item)


例2 通过生成器做一个range的函数

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
>>>  def  nrange(num):
     temp  =  - 1
     while  True :
         temp  =  temp  +  1
         if  temp > =  num:
             return
         else :
             yield  temp
r = nrange( 5 )
print (r)
for  item  in  r:
     print (item)
- - - - - - - - - - - - - - - - - - - - -
<generator  object  nrange at  0x00000192C88DC360 >
0
1
2
3
4


再看个例子

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def  split_line():
     print  ( 'ready to split' )
     result = "4 5 6"
     while  True :
         line = yield  result
         result = line.split()
s = split_line()
s.__next__()
#send的值去替换掉line的值,返回值是result
ret = s.send( '1 2 3' )
print (ret)
ret = s.send( 'a b c' )
print (ret)
"C:\Program Files\Python3\python.exe"  C: / Users / yli / pycharmprojects / Exercise / Week12 / test.py
ready to split
- - - - - - - - - -
[ '1' '2' '3' ]
[ 'a' 'b' 'c' ]





本文转自 beanxyz 51CTO博客,原文链接:http://blog.51cto.com/beanxyz/1845058,如需转载请自行联系原作者

目录
相关文章
|
5天前
|
索引 Python 容器
解释Python中的迭代器和生成器的优势和劣势。
解释Python中的迭代器和生成器的优势和劣势。
13 2
|
3天前
|
大数据 Python
Python编程中的迭代器与生成器
【2月更文挑战第7天】在Python编程中,迭代器和生成器是两个重要的概念,它们提供了一种高效的方法来处理数据集合。本文将深入探讨迭代器和生成器的定义、用法以及在实际项目中的应用,帮助读者更好地理解和运用这两个功能强大的工具。
|
5天前
|
Python
如何在Python中使用生成器表达式?
如何在Python中使用生成器表达式?
14 5
|
5天前
|
Python
在Python中,如何使用迭代器和生成器?
在Python中,如何使用迭代器和生成器?
9 1
|
7天前
|
索引 Python
在Python中,除了迭代器协议,还有哪些常用的对象协议?
在Python中,除了迭代器协议,还有哪些常用的对象协议?【2月更文挑战第2天】【2月更文挑战第3篇】
|
7天前
|
索引 Python
解释Python中的迭代器协议(Iterator Protocol)。
解释Python中的迭代器协议(Iterator Protocol)。【2月更文挑战第2天】【2月更文挑战第2篇】
|
9天前
|
存储 大数据 Python
Python中的迭代器与生成器:提升代码效率的利器
【2月更文挑战第1天】在Python编程中,迭代器和生成器是两个强大的工具,能够极大地提升代码的效率和可读性。本文将深入探讨Python中迭代器和生成器的定义、用法以及优势,并通过示例代码展示它们在实际项目中的应用,帮助读者更好地理解和运用这些技术。
13 1
|
2月前
|
Python
Python 教程之控制流(17)生成器表达式
Python 教程之控制流(17)生成器表达式
10 0
|
3月前
|
Python
Python 教程之控制流(17)生成器表达式
Python 教程之控制流(17)生成器表达式
19 0

热门文章

最新文章

相关产品

  • 云迁移中心