Python3.5迭代器与生成器用法实例分析

本文实例讲述了Python3.5迭代器与生成器用法。分享给大家供大家参考,具体如下:

1、列表生成式

通过列表生成式可以直接创建一个列表。代码:a = [i*2 for i in range(10)]

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
#列表生成式
a = [i*2 for i in range(10)]
print(a)

运行结果:

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

由于受内存限制,列表容量肯定是有限的。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,若只访问前面的几个元素,后边的绝大多数元素占用空间浪费。

如果列表元素可以按照某种算法推算出来,那是否可以在循环过程中不断推算后续的元素?这样就不必创建完整的列表list,从而节省大量的空间。

2、生成器

在Python中,一边循环一边计算的机制,叫做:生成器(generator)。创建一个生成器的方法有很多:

(1)将一个列表生成式的[]改成(),就创建一个生成器。代码:b = (i*2 for i in range(10))

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
#列表生成式
a = [i*2 for i in range(10)]
print(a)
print("type of a:",type(a))
#生成器
b = (i*2 for i in range(10))
print(b)
print("type of b:",type(b))
for i in b:
  print(i)

运行结果:

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
type of a: <class 'list'>
<generator object <genexpr> at 0x008B8D20>
type of b: <class 'generator'>
0
2
4
6
8
10
12
14
16
18

结论:生成器的元素只有在调用的时候才生成相应的,调用到哪一次才会生成到哪一次的元素,只记住当前的位置。

注意:列表可以直接打印出每一个元素,而生成器不能用切片的形式去取,会出错误。

打印出生成器generator的每一个元素的方法:如果要一个一个打印出来,要通过next()函数获得生成器generator的下一个返回值。

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

#生成器
b = (i*2 for i in range(10))
print(next(b))
print(next(b))
print(next(b))
print(next(b))

运行结果:

0
2
4
6

不断调用next(b)很麻烦,可以利用for循环,因为生成器generator也是可迭代的对象。

(2)当推算的算法比较复杂时,用类似列表生成式的for循环无法实现,还可以用函数来实现生成器

例如:著名的斐波那契数列(Fibonaccl),除了第一个和第二个数之外,任意一个数都由前两个数相加得到:1, 1, 2, 3, 5, 8, 13, 21, 34, ...

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
def fibonaccl(max):
  n,a,b = 0,0,1
  while n < max:
    print(b)
    a,b = b,a + b
    n = n + 1
  return 'done'
fibonaccl(10)

运行结果:

1
1
2
3
5
8
13
21
34
55

总结:Fibonaccl函数实际上定义了斐波那契数列的推算规则,可以从第一个元素开始,推算出后续任意元素,这种逻辑非常类似generator。

Fibonaccl函数和生成器generator只有一步之遥,要把Fibonaccl函数变成生成器generator,只需要将print(b)修改为yield b就可以了。

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,再次执行时从上次返回的yield语句处继续执行,

即:yield保存了函数的中断状态,返回当前状态的值,函数停在这里,后边还可以继续回来。

另外,函数可以不再等待其执行结束,可以中断在某个地方做其他的事情,结束之后还可以继续回来接着往下执行(具有并行的效果)。

def fibonaccl(max):
  n,a,b = 0,0,1
  while n < max:
    yield b
    a,b = b,a + b
    n = n + 1
  return 'done'
print(fibonaccl(15))
f = fibonaccl(15)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print("===========")
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print("=========start loop========")  #接着打印后边的元素
for i in f:
  print(i)

运行结果:

<generator object fibonaccl at 0x00548D50>
1
1
2
3
===========
5
8
13
21
=========start loop========
34
55
89
144
233
377
610

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。

def fibonaccl(max):
  n,a,b = 0,0,1
  while n < max:
    yield b
    a,b = b,a + b
    n = n + 1
  return 'done'
g = fibonaccl(6)
while True:
   try:
     x = next(g)
     print('g:', x)
   except StopIteration as e:
     print('Generator return value:', e.value)
     break

运行结果:

g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

3、生成器并行的实现——单线程下的并行效果

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
#生成器并行的实现——生产者、消费者模型
import time
def consumer(name):
  print("%s 准备吃包子啦!" %name)
  while True:
    baozi = yield     #yield保存当前状态返回
    print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
def producer(name):
  c = consumer('A')
  c2 = consumer('B')
  c.__next__()     #next只唤醒yield
  c2.__next__()
  print("开始准备做包子啦!")
  for i in range(3):
    time.sleep(1)
    print("做了2个包子!")
    c.send(i)     #send唤醒yield同时给它传值
    c2.send(i)
producer("alex")

运行结果:

A 准备吃包子啦!
B 准备吃包子啦!
开始准备做包子啦!
做了2个包子!
包子[0]来了,被[A]吃了!
包子[0]来了,被[B]吃了!
做了2个包子!
包子[1]来了,被[A]吃了!
包子[1]来了,被[B]吃了!
做了2个包子!
包子[2]来了,被[A]吃了!
包子[2]来了,被[B]吃了!

更多关于Python相关内容可查看本站专题:《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。

(0)

相关推荐

  • 详解Python3中yield生成器的用法

    任何使用yield的函数都称之为生成器,如: def count(n): while n > 0: yield n #生成值:n n -= 1 另外一种说法:生成器就是一个返回迭代器的函数,与普通函数的区别是生成器包含yield语句,更简单点理解生成器就是一个迭代器. 使用yield,可以让函数生成一个序列,该函数返回的对象类型是"generator",通过该对象连续调用next()方法返回序列值. c = count(5) c.__next__() #python 3.4.3要

  • 深入讲解Python中的迭代器和生成器

    在Python中,很多对象都是可以通过for语句来直接遍历的,例如list.string.dict等等,这些对象都可以被称为可迭代对象.至于说哪些对象是可以被迭代访问的,就要了解一下迭代器相关的知识了. 迭代器 迭代器对象要求支持迭代器协议的对象,在Python中,支持迭代器协议就是实现对象的__iter__()和next()方法.其中__iter__()方法返回迭代器对象本身:next()方法返回容器的下一个元素,在结尾时引发StopIteration异常. __iter__()和next()

  • 举例讲解Python中的迭代器、生成器与列表解析用法

    迭代器:初探 上一章曾经提到过,其实for循环是可用于任何可迭代的对象上的.实际上,对Python中所有会从左至右扫描对象的迭代工具而言都是如此,这些迭代工具包括了for循环.列表解析.in成员关系测试以及map内置函数等. "可迭代对象"的概念在Python中是相当新颖的,基本这就是序列观念的通用化:如果对象时实际保存的序列,或者可以再迭代工具环境中一次产生一个结果的对象,那就看做是可迭代的. >>文件迭代器 作为内置数据类型的文件也是可迭代的,它有一个名为__next_

  • 详解Python3中的迭代器和生成器及其区别

    介绍 本篇将介绍Python3中的迭代器与生成器,描述可迭代与迭代器关系,并实现自定义类的迭代器模式. 迭代的概念 上一次输出的结果为下一次输入的初始值,重复的过程称为迭代,每次重复即一次迭代,并且每次迭代的结果是下一次迭代的初始值 注:循环不是迭代 while True: #只满足重复,因而不是迭代 print('====>')  迭代器 1.为什么要有迭代器? 对于没有索引的数据类型,必须提供一种不依赖索引的迭代方式. 2.迭代器定义: 迭代器:可迭代对象执行__iter__方法,得到的结果

  • 解析Python中的生成器及其与迭代器的差异

    生成器 生成器是一种迭代器,是一种特殊的函数,使用yield操作将函数构造成迭代器.普通的函数有一个入口,有一个返回值:当函数被调用时,从入口开始执行,结束时返回相应的返回值.生成器定义的函数,有多个入口和多个返回值:对生成器执行next()操作,进行生成器的入口开始执行代码,yield操作向调用者返回一个值,并将函数挂起:挂起时,函数执行的环境和参数被保存下来:对生成器执行另一个next()操作时,参数从挂起状态被重新调用,进入上次挂起的执行环境继续下面的操作,到下一个yield操作时重复上面

  • Python3中的列表生成式、生成器与迭代器实例详解

    本文实例讲述了Python3中的列表生成式.生成器与迭代器.分享给大家供大家参考,具体如下: 列表生成式 Python内置的一种极其强大的生成列表 list 的表达式.返回结果必须是列表. 基本语法: [ 变量表达式 for 变量 in 表达式 ] 示例 a = [x ** 2 for x in range(1, 10)] b = [x * x for x in range(1, 11) if x % 2 == 0] c = [m + n for m in 'ABC' for n in '123

  • Python 中迭代器与生成器实例详解

    Python 中迭代器与生成器实例详解 本文通过针对不同应用场景及其解决方案的方式,总结了Python中迭代器与生成器的一些相关知识,具体如下: 1.手动遍历迭代器 应用场景:想遍历一个可迭代对象中的所有元素,但是不想用for循环 解决方案:使用next()函数,并捕获StopIteration异常 def manual_iter(): with open('/etc/passwd') as f: try: while True: line=next(f) if line is None: br

  • Python中的迭代器与生成器高级用法解析

    迭代器 迭代器是依附于迭代协议的对象--基本意味它有一个next方法(method),当调用时,返回序列中的下一个项目.当无项目可返回时,引发(raise)StopIteration异常. 迭代对象允许一次循环.它保留单次迭代的状态(位置),或从另一个角度讲,每次循环序列都需要一个迭代对象.这意味我们可以同时迭代同一个序列不只一次.将迭代逻辑和序列分离使我们有更多的迭代方式. 调用一个容器(container)的__iter__方法创建迭代对象是掌握迭代器最直接的方式.iter函数为我们节约一些

  • python的迭代器与生成器实例详解

    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

  • Python 迭代器与生成器实例详解

    Python 迭代器与生成器实例详解 一.如何实现可迭代对象和迭代器对象 1.由可迭代对象得到迭代器对象 例如l就是可迭代对象,iter(l)是迭代器对象 In [1]: l = [1,2,3,4] In [2]: l.__iter__ Out[2]: <method-wrapper '__iter__' of list object at 0x000000000426C7C8> In [3]: t = iter(l) In [4]: t.next() Out[4]: 1 In [5]: t.

随机推荐