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
|
2月前
|
大数据 数据处理 开发者
Python中的迭代器和生成器:不仅仅是语法糖####
本文探讨了Python中迭代器和生成器的深层价值,它们不仅简化代码、提升性能,还促进了函数式编程风格。通过具体示例,揭示了这些工具在处理大数据、惰性求值及资源管理等方面的优势。 ####
|
3月前
|
存储 索引 Python
|
3月前
|
网络协议 Java Linux
PyAV学习笔记(一):PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
本文介绍了PyAV库,它是FFmpeg的Python绑定,提供了底层库的全部功能和控制。文章详细讲解了PyAV的安装过程,包括在Windows、Linux和ARM平台上的安装步骤,以及安装中可能遇到的错误和解决方法。此外,还解释了时间戳的概念,包括RTP、NTP、PTS和DTS,并提供了Python代码示例,展示如何获取RTSP流中的各种时间戳。最后,文章还提供了一些附录,包括Python通过NTP同步获取时间的方法和使用PyAV访问网络视频流的技巧。
594 4
PyAV学习笔记(一):PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
|
2月前
|
JavaScript 前端开发 算法
python中的列表生成式和生成器
欢迎来到瑞雨溪的博客,这里是一位热爱JavaScript和Vue的大一学生的天地。通过自学前端技术2年半,现正向全栈开发迈进。如果你从我的文章中受益,欢迎关注,我将持续更新高质量内容,你的支持是我前进的动力!🎉🎉🎉
35 0
|
3月前
|
Python
Python生成器、装饰器、异常
【10月更文挑战第15天】
|
3月前
|
关系型数据库 MySQL 数据库
Mysql学习笔记(四):Python与Mysql交互--实现增删改查
如何使用Python与MySQL数据库进行交互,实现增删改查等基本操作的教程。
79 1
|
3月前
|
Ubuntu Linux Python
Ubuntu学习笔记(六):ubuntu切换Anaconda和系统自带Python
本文介绍了在Ubuntu系统中切换Anaconda和系统自带Python的方法。方法1涉及编辑~/.bashrc和/etc/profile文件,更新Anaconda的路径。方法2提供了详细的步骤指导,帮助用户在Anaconda和系统自带Python之间进行切换。
164 1
|
3月前
|
传感器 大数据 数据处理
深入理解Python中的生成器:用法及应用场景
【10月更文挑战第7天】深入理解Python中的生成器:用法及应用场景
110 1
|
2月前
|
存储 程序员 数据处理
深入理解Python中的生成器与迭代器###
本文将探讨Python中生成器与迭代器的核心概念,通过对比分析二者的异同,结合具体代码示例,揭示它们在提高程序效率、优化内存使用方面的独特优势。生成器作为迭代器的一种特殊形式,其惰性求值的特性使其在处理大数据流时表现尤为出色。掌握生成器与迭代器的灵活运用,对于提升Python编程技能及解决复杂问题具有重要意义。 ###
|
3月前
|
存储 大数据 数据处理
理解Python中的生成器:高效迭代的秘密
【10月更文挑战第8天】理解Python中的生成器:高效迭代的秘密
46 0