图解python | 迭代器与生成器

简介: 迭代器(iterator)是一个带状态的对象,在调用next()方法时返回容器中的下一个值。生成器(generator)是使用 yield 的函数,函数被调用时会返回一个生成器对象。生成器其实是一种特殊的迭代器,不过这种迭代器更加优雅。

ShowMeAI研究中心

作者:韩信子@ShowMeAI
教程地址http://www.showmeai.tech/tutorials/56
本文地址http://www.showmeai.tech/article-detail/82
声明:版权所有,转载请联系平台与作者并注明出处


1.Python迭代器

迭代是Python最强大的功能之一,是访问集合元素的一种方式。

迭代器是一个可以记住遍历的位置的对象。

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。

Python迭代器(iterator)

迭代器有两个基本的方法:iter()next()

字符串,列表或元组对象都可用于创建迭代器:

list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象
print(next(it))   # 输出迭代器的下一个元素1
print(next(it))   # 输出迭代器的下一个元素2

迭代器对象可以使用常规for语句进行遍历(在线python3环境):

l=['Baidu', 'ShowMeAI', 'google', 'ByteDance']
it = iter(l)    # 创建迭代器对象
for x in it:
  print(x)

执行以上程序,输出结果如下:

Baidu
ShowMeAI
google
ByteDance

也可以使用 next() 函数(在线python3环境):

list=['Baidu', 'ShowMeAI', 'google', 'ByteDance']
it = iter(list)    # 创建迭代器对象
 
while True:
    try:
        print(next(it))
    except StopIteration:
        break

执行以上程序,输出结果如下:

Baidu
ShowMeAI
google
ByteDance

(1)创建一个迭代器

把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__() 。

如果你已经了解的面向对象编程,就知道类都有一个构造函数,Python 的构造函数为 __init__(), 它会在对象初始化的时候执行。

__iter__() 方法返回一个特殊的迭代器对象, 这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。

__next__() 方法(Python 2 里是 next())会返回下一个迭代器对象。

创建一个返回数字的迭代器,初始值为 1,逐步递增 1(在线python3环境):

class IterNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    x = self.a
    self.a += 1
    return x
 
num_class = IterNumbers()
iter_num = iter(num_class)
 
print(next(iter_num))
print(next(iter_num))
print(next(iter_num))
print(next(iter_num))
print(next(iter_num))

执行输出结果为:

1
2
3
4
5

(2)StopIteration

StopIteration 异常用于标识迭代的完成,防止出现无限循环的情况,在 __next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

在 10 次迭代后停止执行(在线python3环境):

class IterNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    if self.a <= 10:
      x = self.a
      self.a += 1
      return x
    else:
      raise StopIteration
 
num_class = IterNumbers()
iter_num = iter(num_class)
 
for x in iter_num:
  print(x)

执行输出结果为:

1
2
3
4
5
6
7
8
9
10

2.生成器

在 Python 中,使用了 yield 的函数被称为生成器(generator)。

跟普通函数不同的是,生成器是一个返回迭代器的函数,只能用于迭代操作。

Python生成器(generator)

在调用生成器运行的过程中,每次遇到 yield 时函数会暂停并保存当前所有的运行信息,返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。

调用一个生成器函数,返回的是一个迭代器对象。

以下实例使用 yield 实现斐波那契数列(在线python3环境):

def fibonacci(n): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if (counter > n): 
            return
        yield a
        a, b = b, a + b
        counter += 1
f = fibonacci(10) # f 是一个迭代器,由生成器返回生成
 
while True:
    try:
        print(next(f))
    except StopIteration:
        break

执行以上程序,输出结果如下:

0
1
1
2
3
5
8
13
21
34
55

3.视频教程

也可以点击 这里 到B站查看有【中英字幕】的版本

[video(video-xAJVvqPq-1645638035287)(type-bilibili)(url-https://player.bilibili.com/player.html?aid=505628451&page=36)(image-https://ucc.alicdn.com/images/user-upload-01/img_convert/8226d3e3e8881554b2fc324f4afe5d27.png)(title-【双语字幕+资料下载】Python 3全系列基础教程,全程代码演示&讲解!10小时视频42节,保证你能掌握Python!快来一起跟着视频敲代码~<快速入门系列>)]


资料与代码下载

本教程系列的代码可以在ShowMeAI对应的github中下载,可本地python环境运行,能访问Google的宝宝也可以直接借助google colab一键运行与交互操作学习哦!

本教程系列涉及的Python速查表可以在以下地址下载获取:

拓展参考资料

ShowMeAI相关文章推荐

ShowMeAI系列教程推荐

showmeai

目录
相关文章
|
24天前
|
存储 索引 Python
|
25天前
|
Python
Python生成器、装饰器、异常
【10月更文挑战第15天】
|
1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
38 1
|
1月前
|
存储 数据处理 Python
深入解析Python中的生成器:效率与性能的双重提升
生成器不仅是Python中的一个高级特性,它们是构建高效、内存友好型应用程序的基石。本文将深入探讨生成器的内部机制,揭示它们如何通过惰性计算和迭代器协议提高数据处理的效率。
|
14天前
|
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。 ###
|
1月前
|
存储 索引 Python
Python 迭代器是怎么实现的?
Python 迭代器是怎么实现的?
28 6
|
2月前
|
索引 Python
解密 Python 迭代器的实现原理
解密 Python 迭代器的实现原理
48 13
|
1月前
|
存储 大数据 数据处理
Python 中的列表推导式与生成器:特性、用途与区别
Python 中的列表推导式与生成器:特性、用途与区别
23 2
|
1月前
|
存储 大数据 Python
Python 中的列表推导式和生成器
Python 中的列表推导式和生成器
17 1
|
2月前
|
机器学习/深度学习 设计模式 大数据
30天拿下Python之迭代器和生成器
30天拿下Python之迭代器和生成器
20 3