Python基礎06 - 生成器、叠代器
@@@文章內容參照老男孩教育 Alex金角大王,武Sir銀角大王@@@
一、生成器
列表生成式
1 a = [i * 2 for i in range(10)] 2 print(a) 3 # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
生成器
通過列表生成式,我們可以直接創建一個列表。但是,受到內存限制,列表容量肯定是有限的,而且,創建一個包含100萬個元素的列表,不僅占用很大的存儲空間,如果我們僅僅需要訪問前面幾個元素,那後面絕大數元素占用的空間都是浪費的。
所以,如果列表元素可以按照某種算法推算出來,那我們是否可以在循環的過程中不斷推算出後續的元素呢?這樣就不必創建完整的list,從而節省大量的空間。在python中,這種一邊循環一邊計算的機制,稱為生成器:generator
1 #列表生成式 2 a = [i * 2 for i in range(10)] 3 print(a) 4 # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18] 5 6 # 生成器 7 b = (i * 2 for i in range(10)) 8 print(b) 9 # <generator object <genexpr> at 0x0000024FA5F49888> 10 #創建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。 11 #我們可以直接打印出list的每一個元素,但我們怎麽打印出generator的每一個元素呢?12 #如果要一個一個打印出來,可以通過next()函數獲得generator的下一個返回值: 13 # 取元素 14 print(b.__next__()) # 0 15 print(b.__next__()) # 2 16 print(b.__next__()) # 4 17 print(b.__next__()) # 6 18 print(b.__next__()) # 8 19 print(b.__next__()) # 10 20 print(b.__next__()) # 12 21 print(b.__next__()) # 14 22 print(b.__next__()) # 1623 print(b.__next__()) # 18 24 print(b.__next__()) 25 # Traceback (most recent call last): 26 # File "<>", line 22, in <module> 27 # StopIteration 28 #generator保存的是算法,每次調用next(g),就計算出g的下一個元素的值, 29 # 直到計算到最後一個元素,沒有更多的元素時,拋出StopIteration的錯誤。 30 # 正確的方法是使用for循環,因為generator也是可叠代對象: 31 g = (i * 2 for i in range(10)) 32 for i in g: 33 print(i)
generator非常強大,如果推算的算法比較復雜,用類似列表生成式的for循環無法實現的時候,還可以用函數來實現。
比如,著名的斐波那契數列(Fibonacci),除第一和第二個數外,任意一個數都可由前兩個數相加得到:
1,1,2,3,5,8,13,21,34,55,......
1 # 斐波那契 2 def fibo(max): 3 n, a, b = 0, 0, 1 4 while n < max: 5 print(b) 6 a, b = b, a + b 7 n += 1 8 return ‘done‘ 9 10 fibo(10) 11 12 # yield 生成器 13 def fibo(max): 14 n, a, b = 0, 0, 1 15 while n < max: 16 yield b 17 a, b = b, a + b 18 n += 1 19 return ‘done‘ 20 21 f = fibo(10) 22 print(f) # <generator object fibo at 0x00000163D8899888> 23 24 for i in fibo(10): 25 print(i) 26 27 # 但是用for循環調用generator時,發現拿不到generator的return語句的返回值。 28 # 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: 29 while True: 30 try: 31 x = next(f) 32 print(x) 33 except StopIteration as e: 34 print(e.value) 35 break
1 import time 2 def consumer(name): 3 print(‘%s 準備吃包子啦!‘ %name) 4 while True: 5 baozi = yield 6 print(‘包子[%s]來了,被[%s]吃了!‘ %(baozi,name)) 7 8 def producer(name): 9 a = consumer(‘A‘) 10 b = consumer(‘B‘) 11 a.__next__() 12 b.__next__() 13 print(‘開始準備做包子啦‘) 14 for i in range(1,11): 15 time.sleep(1) 16 print(‘做了2個包子‘) 17 a.send(i) 18 b.send(i) 19 20 producer(‘abc‘)通過生成器實現協程並行運算
二、叠代器
我們已經知道,可以直接作用於for循環的數據類型有以下幾種:
一類是集合數據類型,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循環的對象統稱為可叠代對象:Iterable。可以使用isinstance()判斷一個對象是否是Iterable對象:
1 from collections import Iterable 2 print(isinstance([],Iterable)) # True 3 4 print(isinstance({},Iterable)) # True 5 6 print(isinstance(‘abc‘,Iterable)) # True 7 8 print(isinstance((x for x in range(10)),Iterable)) # True 9 10 print(isinstance(100,Iterable)) # False
而生成器不但可以作用於for循環,還可以被next()函數不斷調用並返回下一個值,直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。
可以被next()函數調用並不斷返回下一個值的對象稱為叠代器:Iterator。可以使用isinstance()判斷一個對象是否是Iterator對象:
1 from collections import Iterator 2 3 print(isinstance((x for x in range(10)),Iterator)) # True 4 5 print(isinstance([],Iterator)) # False 6 7 print(isinstance({},Iterator)) # False 8 9 print(isinstance(‘abc‘,Iterator)) # False 10 11 # 生成器都是Iterator對象,但list、dict、str雖然是Iterable,卻不是Iterator 12 # 把list、dict、str等Iterable變成Iterator可以使用iter()函數 13 print(isinstance(iter([]),Iterator)) # True 14 15 print(isinstance(iter(‘abc‘),Iterator)) # True
小結
凡是可以作用於for循環的對象都是Iterable類型;
凡是可以作用於next()函數的對象都是Iterator類型,它們表示一個惰性計算的序列;
集合數據類型如list、dict、str等是Iterable但不是Iterator,不過可以通過iter()函數獲得一個Iterator對象。
Python基礎06 - 生成器、叠代器