Python中的迭代器和生成器
本文以实例详解了python的迭代器与生成器,具体如下所示:
1. 迭代器概述:
迭代器是访问集合元素的一种方式。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,不过这也没什么,因为人们很少在迭代途中往后退。
1.1 使用迭代器的优点
对于原生支持随机访问的数据结构(如tuple、list),迭代器和经典for循环的索引访问相比并无优势,反而丢失了索引值(可以使用内建函数enumerate()找回这个索引值)。但对于无法随机访问的数据结构(比如set)而言,迭代器是唯一的访问元素的方式。
另外,迭代器的一大优点是不要求事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代到某个元素时才计算该元素,而在这之前或之后,元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合,比如几个G的文件,或是斐波那契数列等等。
迭代器更大的功劳是提供了一个统一的访问集合的接口,只要定义了__iter__()方法对象,就可以使用迭代器访问。
迭代器有两个基本的方法
next方法:返回迭代器的下一个元素
__iter__方法:返回迭代器对象本身
下面用生成斐波那契数列为例子,说明为何用迭代器
示例代码1
1
2
3
4
5
6
|
def fab( max ): n, a, b = 0 , 0 , 1 while n < max : print b a, b = b, a + b n = n + 1 |
直接在函数fab(max)中用print打印会导致函数的可复用性变差,因为fab返回None。其他函数无法获得fab函数返回的数列。
示例代码2
1
2
3
4
5
6
7
8
|
def fab( max ): L = [] n, a, b = 0 , 0 , 1 while n < max : L.append(b) a, b = b, a + b n = n + 1 return L |
代码2满足了可复用性的需求,但是占用了内存空间,最好不要。
示例代码3
对比:
1
2
|
for i in range ( 1000 ): pass for i in xrange ( 1000 ): pass |
前一个返回1000个元素的列表,而后一个在每次迭代中返回一个元素,因此可以使用迭代器来解决复用可占空间的问题
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
class Fab( object ): def __init__( self , max ): self . max = max self .n, self .a, self .b = 0 , 0 , 1 def __iter__( self ): return self def next ( self ): if self .n < self . max : r = self .b self .a, self .b = self .b, self .a + self .b self .n = self .n + 1 return r raise StopIteration() |
执行
1
2
|
>>> for key in Fabs( 5 ): print key |
Fabs 类通过 next() 不断返回数列的下一个数,内存占用始终为常数
1.2 使用迭代器
使用内建的工厂函数iter(iterable)可以获取迭代器对象:
1
2
3
4
|
>>> lst = range ( 5 ) >>> it = iter (lst) >>> it <listiterator object at 0x01A63110 > |
使用next()方法可以访问下一个元素:
1
2
3
4
5
|
>>> it. next () >>> it. next () >>> it. next () |
python处理迭代器越界是抛出StopIteration异常
1
2
3
4
5
6
7
8
9
10
11
12
|
>>> it. next () >>> it. next <method - wrapper 'next' of listiterator object at 0x01A63110 > >>> it. next () >>> it. next () Traceback (most recent call last): File "<pyshell#27>" , line 1 , in <module> it. next () StopIteration |
了解了StopIteration,可以使用迭代器进行遍历了
1
2
3
4
5
6
7
8
|
lst = range ( 5 ) it = iter (lst) try : while True : val = it. next () print val except StopIteration: pass |
事实上,因为迭代器如此普遍,python专门为for关键字做了迭代器的语法糖。在for循环中,Python将自动调用工厂函数iter()获得迭代器,自动调用next()获取元素,还完成了检查StopIteration异常的工作。如下
1
2
3
|
>>> a = ( 1 , 2 , 3 , 4 ) >>> for key in a: print key |
首先python对关键字in后的对象调用iter函数迭代器,然后调用迭代器的next方法获得元素,直到抛出StopIteration异常。
1.3 定义迭代器
下面一个例子——斐波那契数列
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# -*- coding: cp936 -*- class Fabs( object ): def __init__( self , max ): self . max = max self .n, self .a, self .b = 0 , 0 , 1 #特别指出:第0项是0,第1项是第一个1.整个数列从1开始 def __iter__( self ): return self def next ( self ): if self .n < self . max : r = self .b self .a, self .b = self .b, self .a + self .b self .n = self .n + 1 return r raise StopIteration() print Fabs( 5 ) for key in Fabs( 5 ): print key |
结果
1
|
<__main__.Fabs object at 0x01A63090 > |
2. 迭代器
带有 yield 的函数在 Python 中被称之为 generator(生成器),几个例子说明下(还是用生成斐波那契数列说明)
可以看出代码3远没有代码1简洁,生成器(yield)既可以保持代码1的简洁性,又可以保持代码3的效果
示例代码4
1
2
3
4
5
6
|
def fab( max ): n, a, b = 0 , 0 , 1 while n < max : yield b a, b = b, a + b n = n = 1 |
执行
1
2
|
>>> for n in fab( 5 ): print n |
简单地讲,yield 的作用就是把一个函数变成一个 generator,带有 yield 的函数不再是一个普通函数,Python 解释器会将其视为一个 generator,调用 fab(5) 不会执行 fab 函数,而是返回一个 iterable 对象!在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到 yield b 时,fab 函数就返回一个迭代值,下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。
也可以手动调用 fab(5) 的 next() 方法(因为 fab(5) 是一个 generator 对象,该对象具有 next() 方法),这样我们就可以更清楚地看到 fab 的执行流程:
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>> f = fab( 3 ) >>> f. next () 1 >>> f. next () 1 >>> f. next () 2 >>> f. next () Traceback (most recent call last): File "<pyshell#62>" , line 1 , in <module> f. next () StopIteration |
return作用
在一个生成器中,如果没有return,则默认执行到函数完毕;如果遇到return,如果在执行过程中 return,则直接抛出 StopIteration 终止迭代。例如
1
2
3
4
5
6
7
8
9
|
>>> s = fab( 5 ) >>> s. next () 1 >>> s. next () Traceback (most recent call last): File "<pyshell#66>" , line 1 , in <module> s. next () StopIteration |
示例代码5 文件读取
1
2
3
4
5
6
7
8
9
|
def read_file(fpath): BLOCK_SIZE = 1024 with open (fpath, 'rb' ) as f: while True : block = f.read(BLOCK_SIZE) if block: yield block else : return |
如果直接对文件对象调用 read() 方法,会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield,我们不再需要编写读文件的迭代类,就可以轻松实现文件读取。
转载自http://www.jb51.net/article/52234.htm
再贴几个例子感受一下
def fab(max):
a,b = 0,1
while a < max:
yield a
print a
a, b = b, a+b for i in fab(20):
print i,","
0 ,
0
1 ,
1
1 ,
1
2 ,
2
3 ,
3
5 ,
5
8 ,
8
13 ,
13
def power(values):
for value in values:
print 'powering %s' %value
yield value
def adder(values):
for value in values:
print 'adding to %s' %value
if value%2==0:
yield value+3
else:
yield value+2
elements = [1,4,7,9,12,19]
values = power(elements)
#print type(values)
res = adder(values)
#print type(res)
print res.next()
print res.next()
print res.next()
print res.next()
powering 1
adding to 1
3
powering 4
adding to 4
7
powering 7
adding to 7
9
powering 9
adding to 9
11
def psychologist():
print 'Please tell me your problems'
while True:
answer = (yield)
if answer is not None:
if answer.endswith('?'):
print ("Don't ask yourself too much questions")
elif 'good' in answer:
print "A that's good, go on"
elif 'bad' in answer:
print "Don't be so negative"
free = psychologist()
print free.next()
print free.send('I feel bad')
print free.send("Why I shouldn't ?")
print free.send("ok then i should find what is good for me")
Please tell me your problems
None
Don't be so negative
None
Don't ask yourself too much questions
None
A that's good, go on
None
Python中的迭代器和生成器的更多相关文章
- python is、==区别;with;gil;python中tuple和list的区别;Python 中的迭代器、生成器、装饰器
1. is 比较的是两个实例对象是不是完全相同,它们是不是同一个对象,占用的内存地址是否相同 == 比较的是两个对象的内容是否相等 2. with语句时用于对try except finally 的优 ...
- python中的迭代器和生成器学习笔记总结
生成器就是一个在行为上和迭代器非常类似的对象. 是个对象! 迭代,顾名思意就是不停的代换的意思,迭代是重复反馈过程的活动,其目的通常是为了逼近所需目标或结果.每一次对过程的重复称为一次“迭代”,而 ...
- python中的迭代器与生成器
迭代器 迭代器的引入 假如我现在有一个列表l=['a','b','c','d','e'],我想取列表中的内容,那么有几种方式? 1.通过索引取值 ,如了l[0],l[1] 2.通过for循环取值 fo ...
- 终于理解Python中的迭代器和生成器了!
迭代器和生成器 目录 迭代器和生成器 可迭代对象和迭代器 基础概念 判断 for循环本质 不想用for循环迭代了,如何使用迭代器? 列表推导式 生成器Generator 概念 如何实现和使用? 生成器 ...
- Python中的迭代器、生成器
from collections import Iterable, Iterator 1. 可迭代(iterable)对象 参考官网链接 class I: def __init__(self, v): ...
- Python中的迭代器、生成器、装饰器
1. 迭代器 1 """ 2 iterator 3 迭代器协议: 对象必须提供一个next()方法,执行该方法要么返回迭代中的下一项,要么引起一个StopIterati ...
- python 中的迭代器和生成器简单介绍
可迭代对象和迭代器 迭代(iterate)意味着重复,就像 for 循环迭代序列和字典那样,但实际上也可使用 for 循环迭代其他对象:实现了方法 __iter__ 的对象(迭代器协议的基础). __ ...
- pytorch :: Dataloader中的迭代器和生成器应用
在使用pytorch训练模型,经常需要加载大量图片数据,因此pytorch提供了好用的数据加载工具Dataloader. 为了实现小批量循环读取大型数据集,在Dataloader类具体实现中,使用了迭 ...
- python设计模式之迭代器与生成器详解(五)
前言 迭代器是设计模式中的一种行为模式,它提供一种方法顺序访问一个聚合对象中各个元素, 而又不需暴露该对象的内部表示.python提倡使用生成器,生成器也是迭代器的一种. 系列文章 python设计模 ...
随机推荐
- JS 模拟C# 字符串格式化操作
/*** ** 功能: 字符串格式化替换操作 ***/ String.prototype.format = function () { var args = arguments; return thi ...
- WisDom.Net 框架设计(三) 数据缓存
WisDom.Net --数据缓存 1.几种缓存方式 1.静态全局变量 C#静态变量使用 static 修饰符进行声明,在类被实例化时创建,通过类进行访问不带有 static 修饰符声明 ...
- C# 如何创建接口以及使用接口的简单Demo(转载!)
//No:1 首先,我们要封装一个接口,接口中不要实现具体的方法(说白了这就是一个架子而已!) using System;using System.Collections.Generic;using ...
- [转帖]SD卡&FLASH&USB
来源:http://www.cypress.com Cypress官网,了解任何芯片都应该从它的官网入手,资料一定是最多最原始的,像Ronnie学习. Cypress’s EZ-USB® FX2LP™ ...
- oracle数据表误删恢复
1.查看回收站中的表: select object_name,original_name,partition_name,type,ts_name,createtime,droptime from re ...
- 关于typedef的用法总结
不管实在C还是C++代码中,typedef这个词都不少见,当然出现频率较高的还是在C代码中.typedef与#define有些相似,但更多的是不同,特别是在一些复杂的用法上,就完全不同了,看了网上一些 ...
- prototype/constructor/__proto__之prototype简单应用
一.简单使用构造原型加prototype造简单的轮子. 1.想jQ那样获取HTML元素,先看JS代码 function Cmf() { //创建构造函数 this.arry = [] } Cmf.pr ...
- mysql数据类型——时间类型
四种日期格式: 每个时间类型有一个有效值范围和一个"零"值,当指定不合法的MySQL不能表示的值时使用"零"值. YEAR 0000 YYYY ...
- php基础知识【函数】(6)mysql数据库
一.连接和关闭 1.mysql_connect('example.com:3307', 'root', '123456') --打开一个到 MySQL 服务器的非永久连接 2.mysql_pconne ...
- Device.js——检测设备平台、操作系统的Javascript 库
http://segmentfault.com/a/1190000000373735 Device.js 是一个可以让你检测设备的平台,操作系统和方向 JavaScript 库,它会自动在 <h ...