【Python】迭代器

简介: 一、前言 有时候写代码时需要对一个对象的内部数据进行遍历,而且希望可以for ... in ... 的操作来方便使用,那么就可以使用迭代器来解决。二、使用函数来包装迭代 具体代码如下,例子使用list列表来简单介绍,在实际使用场景中可以复杂多变。虽然是一个while True的循环,但里面用yield实现迭代器功能,包含yield的函数不再是普通函数。通过raise StopIteration异常来完成迭代。

【Python】迭代器


一、前言


   有时候写代码时需要对一个对象的内部数据进行遍历,而且希望可以for ... in ... 的操作来方便使用,那么就可以使用迭代器来解决。


二、使用函数来包装迭代


   具体代码如下,例子使用list列表来简单介绍,在实际使用场景中可以复杂多变。虽然是一个while True的循环,但里面用yield实现迭代器功能,包含yield的函数不再是普通函数。通过raise StopIteration异常来完成迭代。


def generator(list_obj):
    index = 0
    size = len(list_obj)
    while True:
        if index >= size:
            # 中止迭代就需要用到这个
            raise StopIteration
        v = list_obj[index]
        index += 1
        # 返回数据
        yield  v 


   迭代器方法写好了,以下就是调用方式,简单对list数据进行遍历。


iter = generator([1,2,3,4,5,6,7])  
for i in iter:
    print(i)  # 1 2 3 4 5 6 7
# 也可以手动一个个取出
v = iter.next() # py2.7 在py3中使用iter.__next__()获取


三、使用类来包装迭代


   同样是为了方便用了list,具体代码如下,需要注意方法__iter__next。注释中有py2和py3的区别和用法。


class Generator:
    def __init__(self, list_obj):
        self.index = 0
        self.list_obj = list_obj
        self.size = len(list_obj)
    # 此方法必不可少,返回的对象就是具有next方法的迭代器
    def __iter__(self):  
        self.index = 0
        return self
    # 在py2使用next方法,在py3中为__next__(self)方法
    def next(self): 
        if self.index >= self.size:
            raise StopIteration # 同样中止是这个
        v = self.list_obj[self.index]
        self.index += 1
        return v


调用方式和上面的函数包装的一样iter = Generator([1,2,3,4,5,6,7]);平时在开发中如果需要使用便捷的迭代功能时,不妨使用上面的介绍的两种方式。


欢迎微信搜索"游戏测试开发"关注一起沟通交流。

相关文章
|
13天前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
146 2
|
2月前
|
传感器 数据采集 监控
Python生成器与迭代器:从内存优化到协程调度的深度实践
简介:本文深入解析Python迭代器与生成器的原理及应用,涵盖内存优化技巧、底层协议实现、生成器通信机制及异步编程场景。通过实例讲解如何高效处理大文件、构建数据流水线,并对比不同迭代方式的性能特点,助你编写低内存、高效率的Python代码。
126 0
|
1月前
|
大数据 数据处理 数据安全/隐私保护
Python3 迭代器与生成器详解:从入门到实践
简介:本文深入解析Python中处理数据序列的利器——迭代器与生成器。通过通俗语言与实战案例,讲解其核心原理、自定义实现及大数据处理中的高效应用。
75 0
|
11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。 ####
|
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
96 13
|
12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?
103 6
|
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
64 3
|
11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。 ###
|
数据采集 存储 大数据
Python关于迭代器的使用
在Python编程中,数据的处理和操作是核心任务之一。 想象一下,你有一个装满各种颜色球的箱子,你想逐个查看并使用这些球,但又不想一次性将它们全部取出。 这就引出了我们今天要讨论的主题——迭代。
|
12月前
|
存储 大数据 Python
Python 中迭代器与生成器:深度解析与实用指南
Python 中迭代器与生成器:深度解析与实用指南
79 0

推荐镜像

更多