迭代器和生成器的一些注意問題
阿新 • • 發佈:2019-02-17
一、迭代器
可迭代的(可迭代物件):
可迭代物件都是可迭代的。如:str、list、dict、tuple、檔案物件等等
只要是物件有__iter__
內部方法,就可以稱之為可迭代物件
迭代器:
迭代器也是可迭代的,他不光有__iter__
方法,還有__next__
方法。
迭代器一次只能取一個值,直到取完後引發一個錯誤
獲得一個迭代器:
呼叫可迭代物件的__iter__()
就可以獲得迭代器
使用迭代器:
- 呼叫迭代器的
__next__()
方法 - 使用for迴圈
迭代器的特點:
- 惰性運算
- 從前到後一次去取值,過程不可逆 不可重複
- 節省記憶體
如何判斷一個變數是不是迭代器或者可迭代的
方法一:
print('__iter__' in dir([1,2,3,4]))
print('__next__' in dir([1,2,3,4]))
方法二:
from collections import Iterable
from collections import Iterator
print(isinstance([1,2,3,4],Iterable))
str_iter = 'abc'.__iter__()
print(isinstance(str_iter,Iterator))
print(isinstance('abc',Iterable))
二、生成器
生成器的本質就是迭代器,它有迭代器的所有特點,只不過生成器是自己編寫的python 程式碼
1、生成器函式
生成器函式和普通函式之間的區別:
- 生成器函式中含有yield關鍵字
- 生成器函式呼叫的時候不會立即執行,而是返回一個生成器
def g_func():
print('aaaa')
yield 1
print('bbbb')
yield 2
yield 3
g = g_func()
for i in g:
print(i)
print(g.__next__())
print(g.__next__())
print(g.__next__())
def cloth():
for i in range(1000000):
yield '衣服%s'%i
g = cloth()
for i in range(50):
print(g.__next__())
for i in range(50):
print(g.__next__())
2、sned用法(進階)
def func():
print('*'*10)
a = yield 5
print('a : ',a)
yield 10
g = func()
num = g.__next__()
# print(num)
num2 = g.send('alex')
num2 = g.send('aaaa')
print(num2)
**在下面的例子中,send會在”yield average”處返回average,並將10傳遞到”yield average”處
**
def averager():
total = 0.0
count = 0
average = None
while True:
term = yield average
total += term
count += 1
average = total/count
g_avg = averager()
g_avg.__next__() ---》 先使用一次生成器,返回的值是None
print(g_avg.send(10)) ---》 傳遞的值是10,然後執行term =10,執行到第二次迴圈的yield average時候,返回average,這裡列印的是第一次迴圈中的average = total/count計算出的值
print(g_avg.send(30)) ---》 從term = 處執行程式碼,然後把下一次迴圈的average返回,然後暫停
print(g_avg.send(20))
print(g_avg.send(100))
print(g_avg.send(200))
生成器的預激裝飾器
在使用send的時候,需要先使用一次next方法,具體因素參照上面的例子
def init(func): #生成器的預激裝飾器
def inner(*args,**kwargs):
g = func(*args,**kwargs) #func = averager
g.__next__()
return g
return inner
@init
def averager():
total = 0.0
count = 0
average = None
term = yield average
total += term
count += 1
average = total/count
yield average
g_avg = averager()
print(g_avg.send(10))
print(g_avg.send(30))
3、總結
- 生成器函式:生成一個生成器的函式
- 生成器的本質引數迭代器
- 生成器函式的特點:
- 帶有yield關鍵字
- 且呼叫之後,函式內的程式碼不執行
- 觸發執行的方式:
- next
- send :
send(None) == __next__()
,send在next的基礎上傳一個值到生成器函式內部(send操作不能用在生成器使用的第一次) - for迴圈
三、生成器表示式
1、引子
(1)、列表推導式
例一:30以內所有能被3整除的數
>>> [i for i in range(30) if i%3 == 0]
[0, 3, 6, 9, 12, 15, 18, 21, 24, 27]
例二:30以內所有能被3整除的數的平方
>>> [i**2 for i in range(30) if i%3 == 0]
[0, 9, 36, 81, 144, 225, 324, 441, 576, 729]
例三:找到巢狀列表中名字含有兩個‘e’的所有名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
>>> [j for i in names for j in i if j.count('e') == 2]
['Jefferson', 'Wesley', 'Steven', 'Jennifer']
(2)、字典推導式
例一:將一個字典的key和value對調
>>> dic = {'a': 10, 'b': 34}
>>> {dic[k]:k for k in dic}
{10: 'a', 34: 'b'}
>>>
例二:合併大小寫對應的value值,將k統一成小寫
>>> dic= {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
>>> {k.lower():dic.get(k.lower(),0) + dic.get(k.upper(),0)for k in dic}
{'a': 17, 'b': 34, 'z': 3}
(3)、集合推導式
例:計算列表中每個值的平方,自帶去重功能
>>> {i**2 for i in [1,-1,2]}
{1, 4}
2、生成器表示式
g = (i*i for i in y)
for i in g:
print(i)