Python基礎（四）——迭代器/物件，生成器

　　首先廖雪峰網站寫的內容就我目前初步學習來說，已經相當詳實，知識點平鋪直敘讓人易接受，所以以下內容均作為一種摘記記錄以及補充。

1. 列表生成器

　　主要目的是建立 list 。多看例子就能清楚：

print(list(range(1,10,2)))  #[1, 3, 5, 7, 9].生成1~9（左閉右開）,相隔為2
print([t * t for t in range(1,10,3) if t % 2 == 0]) #[16].生成1~9相隔4,且是偶數的平方和
print([m + n for m in '123' for n in '456']) #['14', '15', '16', '24', '25', '26', '34', '35', '36'].全排列

d = {'x': 'A', 'y': 'B', 'z': 'C'}
for k, v in d.items():
    print(k, '=', v)

print([m + '=' + n for m,n in d.items()])  #['x=A', 'y=B', 'z=C']

#篩選單詞，並全變小寫
L = ['Hello', 'World', 18, 'Apple', None]
print([t.lower() for t in L if isinstance(t, str)])  #['hello', 'world', 'apple']

 

2. Iterable vs Iterator

　　iterable 是可迭代物件，iterator 是迭代器。兩者都是 collection.abc 中得抽象類。iterator 繼承自 iterable 。

• 　　iterable 有常見得 list，dict，str，tuple 等或者自定義的類（該類必須實現抽象方法 _iter()_）。當一個可迭代物件作為引數呼叫自身的 iter() 方法時，會返回一個迭代器。迭代器擁有 _next()_ 抽象方法，可迭代物件沒有，通過該方法就可以逐個得到 “序列” 中的各個值，不斷呼叫 _next()_ 方法，最後會引起 StopIteration 異常報錯，代表迭代結束了。同時迭代器還擁有 _iter()_ 方法，所以迭代器也是個可迭代物件。即所有的迭代器都是可迭代物件，但是可迭代物件並不都是迭代器，基本判斷方法是是否呼叫 next() 方法，list，dect，str，tuple 都並不行，即不是迭代器。

　　   我們可以通過 isinstance 來判斷：

from collections.abc import Iterable,Iterator
t = [1,2,3]   #列表
print(isinstance(t, Iterable)) #true
print(isinstance(t, Iterator)) #false

         我們常用的 for...in [ ] 。就是利用了迭代器

from collections.abc import Iterable,Iterator
L = [1,2,3]
print(isinstance(L, Iterator)) #Flase
for t in L:
    print(t, end=' ') #1  2  3

          這是我們常寫的程式碼，輸出123。既然 L 不是迭代器為啥也能迭代輸出呢。這就是在使用 for...in 的時候，Python 直譯器主動將可迭代物件呼叫了 iter() 返回迭代器，即每次都是通過迭代器的 next() 方法進行輸出。那麼哪個異常 StopIteration 呢？異常應該被 for...in 內部處理了，並不顯式的丟擲。

　　   我們換一種更明顯的寫法：

from collections.abc import Iterable,Iterator
L = [1,2,3]
print(isinstance(L, Iterator))  #false
T = L.__iter__()
print(isinstance(T, Iterator))  #true。現在T就是迭代器了，擁有了next()方法。
print(T.__next__())  # 1
print(T.__next__())  # 2
print(T.__next__())  # 3
print(T.__next__())  # StopIteration

         結果和我們想的是一樣的。或者再這樣寫

from collections.abc import Iterable,Iterator
L = [1,2,3]
print(isinstance(L, Iterator))  #false
T = iter(L)
while True:
    try:
        print(next(T), end=' ')
    except StopIteration:
        print('結束')
        break

　　（點選圖片檢視原文）

 

3. 生成器和 yield

• 生成器是返回一個 generator iterator 的函式。但是這個函式中包含 yield 表示式，除此之外別無它異，用來產生一系列供 for 迴圈使用的值或者通過 next() 逐一獲取。所以生成器一般也稱為生成器函式。
• 生成迭代器 generator iterator 是由生成器 generator 建立的物件。每遇到 yield 會暫停（相當於return），並記住當前位置，之後在繼續在記住的位置繼續向下執行。而不同於普通函式每次都由上往下執行。
• 第一種建立生成器的方法：將列表生成式的 [ ] 換成 ( )

L = ( t * t for t in range(1,10))
print(L)  #<generator object <genexpr> at 0x0000028D2F68B840>
print(next(L)) # 1
print(next(L)) # 4
for i in L: # 迭代輸出
    print(i)

 

 

 

• 當一個生成函式被呼叫時，返回一個迭代器，成為生成器。這個生成器來控制生成函式的執行，遇到 yield 就掛起，下次繼續從 掛起處執行。前面說過迭代器有 next() 方法，所以這裡的yield 就是幹了 next() 方法的事。一樣不斷next 直到無資料 StopIteration。
• 第二種是通過定義函式：

def test():
    print('1')
    yield
    print('2')
    yield
    print('3')
    yield

t = test()  # t 是生成器，生成器來控制函式
print(t) # <generator object test at 0x0000021EF6C5B840>
next(t) # 1
next(t) # 2
next(t) # 3
next(t) # StopIteration

 

　　可以通過 11~14 行看出，yield 起的作用就是掛起。第一次呼叫next() 方法，函式執行到第三句就停了，第二次呼叫 next() 執行到第五句。yield 就像是 OS 中的中斷語句，保護現場--恢復現場。

　　再來看一個斐波那契例子：

#斐波那契數列
#常規寫法一：
# def fib(max):
#     n, a, b = 0, 0, 1
#     while n < max:
#         print(b)
#         a, b = b, a + b
#         n = n + 1
#     return 'done'
#
# fib(6)

#生成器寫法二：
from collections.abc import Iterator,Iterable
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b     # yield 類似於return 將 b 返回
        a, b = b, a + b
        n = n + 1
    return 'done'

f = fib(6)
print(f)  #<generator object fib at 0x00000124DDD8B840>
print(isinstance(f, Iterator)) #True。生成函式返回迭代器

for n in f:
    print(n, end=' ')  #1 1 2 3 5 8

　　通過觀察24，25行可以知道，呼叫了 fib() 之後，函式並沒有執行到尾（否則返回 str = 'done'），正如上文所說，返回的是一個 生成器，也就是呼叫生成函式（含 yield語句的）返回生成器，然後我們通過生成器來控制函式的執行。只有執行27行的 for...in 的時候，才會去執行15~21這段函式程式碼。

　　具體執行過程：第一次從16至18行停止，因為yield的存在，執行到18行就停了，然後返回一個值 b 給 for 迴圈，然後執行28行輸出 b，然後next()迭代器繼續從上次停止的地方的下一行19行繼續執行(迭代器next()只要不是StopIteration 或者生成函式結束了，for 迴圈就得以繼續)，然後在while迴圈內，再次執行到18行停止，返回 b 給 for。繼續重複，直至跳出while迴圈，fib() 這段生成器函式結束了，for...in 也就結束了。

# 生成器寫法三
from collections.abc import Iterator,Iterable
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b     # yield 類似於return 將 b 返回
        a, b = b, a + b
        n = n + 1

f = fib(3)
print(f)  #<generator object >
print(isinstance(f, Iterator)) #True。生成函式返回迭代器
print(next(f))  # 1
print(next(f))  # 1
print(next(f))  # 2
print(next(f))  # StopIteration

 

 

4.生成器send()方法

　　stackoverflow 上還有關於生成 yield 配合使用 send()的方法。查閱官網，send(value) 函式意思：恢復執行，並向生成器傳送一個值，value 引數將被當作 yield 表示式結果。

def test():
    while True:
        x = yield
        yield x * 2

g = test()
print(next(g)) # none
print(g.send(12)) #24

 　　我們已經知道 yield 可以當作return來理解。

　　首先第六行建立了 g (生成器)，第七行輸出 none，因為執行第七行，也就是去執行test()函式了，函式順利執行到第三行，3 = yield 明顯是我們學的賦值語句，難道是將yield賦值給3？不是的。先解釋輸出的none，因為沒有引數寫在yield的右邊，即沒有引數返回，所以第七行輸出 None。同時因為yield存在而停止繼續。

　　而第八行：遇到g.send() 會繼續執行上次執行到第三行的地方，這裡傳入的引數12就是賦值給x的。所以再往下第四行，yiled看成return 返回12*2，同時test()函式被掛起，返回24給第八行。至此函式結束。

　　又比如：

def test(x):
    while True:
        x *= 2
        x = yield x

g = test(3)
print(next(g)) # 6
print(g.send(12))  # 24

　　第四行意思：先看右邊yield x 就是返回 x 。再看左邊 x = yield 就是賦值給 x 。所以不難理解了。不解釋了。 

 

5. 補充（點選圖片檢視原文）