　　好程式設計師Python 培訓分享 Python 生成器與迭代器， Python 生成器與迭代器對於喜歡 Python 開發的小夥伴們來說應該是不陌生的，不瞭解的小夥伴也沒有關係，本篇文章小編就給小夥伴們詳解一下 Python 生成器與迭代器，感興趣的小夥伴就隨小編來了解一下吧。

列表生成式:

例一：

a = [i+1 for i in range(10)]

print(a)

輸出：

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

例二：

L = [1, 2, 3, 4, 5]

print([i*i for i in L if i>3])

輸出:

[16, 25]

例三：

L = [1, 2, 3, 4, 5]

I = [6, 7, 8, 9, 10]

print([i*a for i in L for a in I if i > 2 if a < 8])

輸出：

[18, 21, 24, 28, 30, 35]

生成器：

透過列表生成式，我們可以直接建立一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，建立一個包含100 萬個元素的列表，不僅佔用很大的儲存空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。

所以，如果列表元素可以按照某種演算法推算出來，這樣就不必建立完整的list ，從而節省大量的空間。在 Python 中，這種一邊迴圈一邊計算的機制，稱為生成器： generator 。

要建立一個generator ，有很多種方法。第一種方法很簡單，只要把一個列表生成式的 [] 改成 () ，就建立了一個 generator ：

示例：

L = [1, 2, 3, 4, 5]

I = [6, 7, 8, 9, 10]

g = (i*a for i in L for a in I )

print(g)

輸出：

建立L 和 g 的區別僅在於最外層的 [] 和 () ， L 是一個 list ，而 g 是一個 generator 。

我們可以直接列印出list 的每一個元素，可以透過 generator 的 next() 方法

next(g)

例一：

L = [1, 2, 3, 4, 5]

I = [6, 7, 8, 9, 10]

g = (i*a for i in L for a in I )

print(next(g))

輸出：

6

7

8

例二：

L = [1, 2, 3, 4, 5]

I = [6, 7, 8, 9, 10]

g = (i*a for i in L for a in I if i > 2 if a < 8)

print(next(g))

輸出：

18

21

24

因為generator 儲存的是演算法，每次呼叫 next(g) 就計算出 g 的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，丟擲 StopIteration 的錯誤。正確的方法是使用 for 迴圈，因為 generator 也是可迭代物件：

例三：

g = (i*i for i in range(0, 5))

for i in g:

print(i)

當我們建立了一個generator 後，基本上永遠不會呼叫 next() 方法，而是透過 for 迴圈來迭代它。

generator 非常強大。如果推算的演算法比較複雜，用類似列表生成式的 for 迴圈無法實現的時候，還可以用函式來實現。

比如，著名的斐波拉契數列（Fibonacci ），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數列用列表生成式寫不出來，但是，用函式把它列印出來卻很容易：

def fib(max):

n, a, b = 0, 0, 1

while n < max:

print b

a, b = b, a + b

n = n + 1

上面的函式可以輸出斐波那契數列的前N 個數：

>>> fib(6)

1

2

3

5

8

仔細觀察，可以看出，fib 函式實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似 generator 。

也就是說，上面的函式和generator 僅一步之遙。要把 fib 函式變成 generator ，只需要把 print(b) 改為 yield b 就可以了：

def fib(max):

n,a,b = 0,0,1

while n < max:

#print(b)

yield b

a,b = b,a+b

n += 1

return 'done'

這就是定義generator 的另一種方法。如果一個函式定義中包含 yield 關鍵字，那麼這個函式就不再是一個普通函式，而是一個 generator ：

def fib(max):

n, a, b = 0, 0, 1

while n < max:

yield b

a, b = b, a + b

n = n + 1

return 'done'

print(fib(5))

輸出：

呼叫方法： ## 但是用 for 迴圈呼叫 generator 時， \

## 發現拿不到 generator 的 return 語句 \

## 的返回值。如果想要拿到返回值，必須捕獲 StopIteration 錯誤，返回值包含在 StopIteration 的 value 中：

for i in fib(5):

print(i)

輸出：

1

2

3

5

或者：

date = fib(5)

print(date.__next__())

print('test')

print(date.__next__())

輸出：

1

2

test

3

5

send 方法有一個引數，該引數指定的是上一次被掛起的 yield 語句的返回值

還可透過yield 實現在單執行緒的情況下實現併發運算的效果

#_*_coding:utf-8_*_

__author__ = 'Alex Li'

import time

def consumer(name):

print("%s 準備吃包子啦 !" %name)

while True:

baozi = yield

print(" 包子 [%s] 來了 , 被 [%s] 吃了 !" %(baozi,name))

def producer(name):

c = consumer('A')

c2 = consumer('B')

c.__next__()

c2.__next__()

print(" 老子開始準備做包子啦 !")

for i in range(10):

time.sleep(1)

print(" 做了 2 個包子 !")

c.send(i)

c2.send(i)

producer("alex")

透過生成器實現協程並行運算

迭代器:

可以直接作用於for 迴圈的資料型別有以下幾種：

一類是集合資料型別，如list 、 tuple 、 dict 、 set 、 str 等；

一類是generator ，包括生成器和帶 yield 的 generator function 。

這些可以直接作用於for 迴圈的物件統稱為可迭代物件： Iterable 。

可以使用isinstance() 判斷一個物件是否是 Iterable 物件：

>>> from collections import Iterable

>>> isinstance([], Iterable)

True

>>> isinstance({}, Iterable)

True

>>> isinstance('abc', Iterable)

True

>>> isinstance((x for x in range(10)), Iterable)

True

>>> isinstance(100, Iterable)

False

而生成器不但可以作用於for 迴圈，還可以被 next() 函式不斷呼叫並返回下一個值，直到最後丟擲 StopIteration 錯誤表示無法繼續返回下一個值了。

* 可以被 next() 函式呼叫並不斷返回下一個值的物件稱為迭代器： Iterator 。

可以使用isinstance() 判斷一個物件是否是 Iterator 物件：

>>> from collections import Iterator

>>> isinstance((x for x in range(10)), Iterator)

True

>>> isinstance([], Iterator)

False

>>> isinstance({}, Iterator)

False

>>> isinstance('abc', Iterator)

False

生成器都是Iterator 物件，但 list 、 dict 、 str 雖然是 Iterable ，卻不是 Iterator 。

把list 、 dict 、 str 等 Iterable 變成 Iterator 可以使用 iter() 函式：

>>> isinstance(iter([]), Iterator)

True

>>> isinstance(iter('abc'), Iterator)

True

為什麼list 、 dict 、 str 等資料型別不是 Iterator ？

這是因為Python 的 Iterator 物件表示的是一個資料流， Iterator 物件可以被 next() 函式呼叫並不斷返回下一個資料，直到沒有資料時丟擲 StopIteration 錯誤。可以把這個資料流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷透過 next() 函式實現按需計算下一個資料，所以 Iterator 的計算是惰性的，只有在需要返回下一個資料時它才會計算。

Iterator 甚至可以表示一個無限大的資料流，例如全體自然數。而使用 list 是永遠不可能儲存全體自然數的。

小結:

凡是可作用於for 迴圈的物件都是 Iterable 型別；

凡是可作用於next() 函式的物件都是 Iterator 型別，它們表示一個惰性計算的序列；

集合資料型別如list 、 dict 、 str 等是 Iterable 但不是 Iterator ，不過可以透過 iter() 函式獲得一個 Iterator 物件。

Python3 的 for 迴圈本質上就是透過不斷呼叫 next() 函式實現的，例如：

for x in [1, 2, 3, 4, 5]:

pass

實際上完全等價於：

# 首先獲得 Iterator 物件 :

it = iter([1, 2, 3, 4, 5])

# 迴圈 :

while True:

try:

# 獲得下一個值 :

x = next(it)

except StopIteration:

# 遇到 StopIteration 就退出迴圈

break

好程式設計師Python培訓分享Python生成器與迭代器

相關文章