Python的迭代器与生成器 | Python 主题月

简介: Python的迭代器与生成器 | Python 主题月

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。

迭代器有两个基本的方法:iter()和 next()。

字符串,列表或元组对象都可用于创建迭代器:


实例-1:next获取迭代器的元素


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


实例-2:迭代器对象可以使用常规for语句进行遍历


#!/usr/bin/python3
list=[1,2,3,4]
it = iter(list)    
# 创建迭代器对象
for x in it:    
    print(x, end=" ")
复制代码


执行以上程序,输出结果如下:


1 2 3 4
复制代码


实例-3:也可以使用 next() 函数


#!/usr/bin/python3
import sys         
# 引入 sys 模块
list=[1,2,3,4]
it = iter(list)    
# 创建迭代器对象
while True:    
    try:        
        print (next(it))    
    except StopIteration:                
        sys.exit()
复制代码


执行以上程序,输出结果如下:


1234
复制代码


创建一个迭代器


  1. 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__()。
  2. 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。
  3. 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。
  4. next()方法(Python 2 里是next())会返回下一个迭代器对象。
  5. 创建一个返回数字的迭代器,初始值为 1,逐步递增 1:


实例:创建迭代器


class MyNumbers:    
    def __iter__(self):        
        self.a = 1    
        return self  
    def __next__(self):        
        x = self.a    
        self.a += 1    
        return x
myclass = MyNumbers()
myiter = iter(myclass)
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
复制代码


执行输出结果为:


12345
复制代码


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 20 次迭代后停止执行:


实例:StopIteration


class MyNumbers:    
    def __iter__(self):        
        self.a = 1    
        return self  
    def __next__(self):        
        if self.a <= 20:            
            x = self.a      
            self.a += 1      
            return x    
        else:            
            raiseStopIteration
myclass = MyNumbers()
myiter = iter(myclass)
for x in myiter:  
    print(x)
复制代码


执行输出结果为:


1234567891011121314151617181920
复制代码


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,更简单点理解生成器就是一个迭代器。


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:


实例:生成器


#!/usr/bin/python3
import sys
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), end=" ")    
    except StopIteration:        
        sys.exit()
复制代码


执行以上程序,输出结果如下:


0 1 1 2 3 5 8 13 21 34 55
相关文章
|
21天前
|
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。 ####
|
2月前
|
存储 索引 Python
|
28天前
|
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!🎉🎉🎉
23 0
|
2月前
|
Python
Python生成器、装饰器、异常
【10月更文挑战第15天】
|
2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
78 1
|
2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。
|
1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。 ###
|
2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?
40 6
|
3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
51 13
|
2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
29 2