码迷,mamicode.com
首页 > 编程语言 > 详细

Python入门:生成器&迭代器

时间:2018-05-19 13:56:55      阅读:201      评论:0      收藏:0      [点我收藏+]

标签:imp   单线程   iterator   rac   python   mil   lambda   obj   迭代   

一、列表生成式

  现在有个需求,列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],要求你把列表里的每个值加1,怎么实现?你可能会想到2种方式

二逼青年版

 

a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
b = []
for i in a:b.append(i+1)
print(b)

 

  

普通青年版

for index, i in enumerate(a):
    a[index] +=1
    print(a)

  

文艺青年版

 

a = map(lambda x:x+1, a)
for i in a:print(i)

 

  

装逼青年版

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

  这样的写法就叫做:列表生成式

 

二、生成器

  通过列表生成式,可以直接创建一个列表,但是,受到内存限制,列表容量是有限的,而且,创建一个包含100万个元素的列表,不仅占用很大的存储空间,如果我们仅仅需要访问前面几个元素,那后面绝大多数占用的空间都白白浪费了。

   所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间,在Python中,这种一边循环一边技术的机制,称为生成器:generator。

要创建一个generator,有很多种方法。

第一种方法:只要把一个列表生成式的[]改成(),就创建了一个generator

 

L = [x * x for x in range(10)]
print(L)

g = (x * x for x in range(10))
print(g)

 

  创建L和g的区别仅在最外层的[] 和(),L是一个list,而g是一个generator

我们可以直接打印出list的每一个元素,但我们怎么打印出generator的每一个元素呢?

如果要一个一个打印出来,可以通过next()函数获得generator的下一个返回值:

 

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

  generator保存的是算法,每次调用next(g)就计算出g的下一个元素的值,直到计算到最后一个元素,没有更多的元素时,抛出StopIteration的错误。

使用for循环输出:

g = (x * x for x in range(10))

for n in g:
    print(n)

  输出:

0
1
4
9
16
25
36
49
64
81

  我们创建了一个generator后,基本上永远不会调用next(),而是通过for循环来迭代它,并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂,用类似列表生成式的for循环无法实现的时候,还可以用函数来实现。

比如,著名的斐波拉契数列(Fibonacci),除第一个和第二个数外,任意一个数都可由前两个数相加得到:

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

斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易:

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a+b
        n = n + 1
    return ‘done‘

fib(10)

  输出:

1
1
2
3
5
8
13
21
34
55

  

      仔细观察,可以看出,fib函数实际上是定义了斐波拉契数列的推算规则,可以从第一个元素开始,推算出后续任意的元素,这种逻辑其实非常类似generator。

也就是说,上面的函数和generator仅一步之遥。要把fib函数变成generator,只需要把print(b)改为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‘

  这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字,那么这个函数就不再是一个普通函数,而是一个generator:

f=fib(10)
print(f)

输出:
<generator object fib at 0x0000000002536F68>

  这里,最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()的时候执行,遇到yield语句返回,再次被next()调用时从上次返回的yield语句处继续执行。

 

data = fib(10)
print(data)

print(data.__next__())
print(data.__next__())
print(‘干点别的事情‘)
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())

 

  输出:

<generator object fib at 0x0000000002556FC0>
1
1
干点别的事情
2
3
5
8

  上面fib的例子,我们在循环过程中不断调用yield,就会不断中断。当然要给循环设置一个条件来退出循环,不然就会产生一个无限数列出来。同样的,把函数改成generator后,我们基本上从来不会用next()来获取下一个返回值,而是直接使用for循环来迭代:

 

for n in fib(10):
    print(n)

  但是用for循环调用generator时,发现拿不到generator的return语句的返回值。如果想要拿到返回值,必须捕获StopIteration错误,返回值包含在StopIteration的value中:

g = fib(10)
while True:
    try:
        x = next(g)
        print(‘g:‘, x)
    except StopIteration as e:
        print(‘Generator return value:‘, e.value)
        break

  输出:

g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
g: 13
g: 21
g: 34
g: 55
Generator return value: done

  还可通过yield实现在单线程的情况下实现并发运算的效果

import time
__author__ = ‘mike‘


def consumer(name):
    print(‘%s 准备吃包子啦!‘ % name)
    while True:
        baozi = yield

        print(‘包子[%s]来了,被[%s]吃了!‘ %(baozi,name))


def producer(name):
    c = consumer(‘A‘)
    c2 = consumer(‘B‘)
    c.__next__()
    c2.__next__()
    print(‘开始准备做包子啦!‘)
    for i in range(10):
        time.sleep(1)
        print("做了2个包子!")
        c.send(i)
        c2.send(i)


producer("mike")

  

三、迭代器

我们已经知道,可以直接作用于for循环的数据类型有以下几种:

一类是集合数据类型:listtupledictsetstr

一类是:generator,包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象:Iterable

可以使用isinstance()判断一个对象是否是Iterable对象:

 

from collections import Iterable

print(isinstance([], Iterable))

print(isinstance({}, Iterable))

print(isinstance(‘abc‘, Iterable) )

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

  

而生成器不但可以作用于for循环,还可以被next()函数不断调用并返回下一个值,直到最后抛出StopIteration错误表示无法继续返回下一个值了。

*可以被next()函数调用并不断返回下一个值的对象称为迭代器:Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象:

print(isinstance([], Iterator))

print(isinstance({}, Iterator))

print(isinstance(‘abc‘, Iterator) )

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

  输出:

False
False
False
True

  

生成器都是Iterator对象,但listdictstr虽然是Iterable,却不是Iterator

listdictstrIterable变成Iterator可以使用iter()函数:

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

print(isinstance(iter({}), Iterator))

  输出;

True
True

  

为什么listdictstr等数据类型不是Iterator

这是因为Python的Iterator对象表示的是一个数据流,Iterator对象可以被next()函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()函数实现按需计算下一个数据,所以Iterator的计算是惰性的,只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于for循环的对象都是Iterable类型;

凡是可作用于next()函数的对象都是Iterator类型,它们表示一个惰性计算的序列;

集合数据类型如listdictstr等是Iterable但不是Iterator,不过可以通过iter()函数获得一个Iterator对象。

Python入门:生成器&迭代器

标签:imp   单线程   iterator   rac   python   mil   lambda   obj   迭代   

原文地址:https://www.cnblogs.com/mike-liu/p/9054783.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!