彻底搞懂python 迭代器和生成器

迭代器跟生成器，与上篇文章讲的装饰器一样，都是属于我的一个老大难问题。
通常就是遇到的时候就去搜一下，结果在一大坨各种介绍博客中看了看，回头又忘记了。
你是不是也是这样呢？

俗话说：好记性不如烂笔头，虽然现在基本不咋用笔写字了，但是还是要好好整理下，起码以后我就不用搜了。

如果现在给你一个列表list_a = [1, 2, 3, 4]，让你去迭代它，相信大家都很熟悉，直接用for循环就完事儿，

list_a = [1, 2, 3, 4]

for i in list_a:
 print(i)

运行

1
2
3
4
[Finished in 0.1s]

可以看到，for循环迭代了列表中的每一个元素，打印了出来。
那么for循环背后都做了什么事情呢？

一、 容器、可迭代对象、迭代器

听起来陌生，但是你绝对熟悉的词儿。

在python中，一切都是对象，对象的抽象是类，而对象的集合就是容器。

使用python中常见的容器有很多，比如：列表list:[0, 1, 2]，集合set:([0, 1, 2])，字典dict:{0:0, 1:1, 2:2}以及元组tuple(0, 1, 2)。
这些都是多个元素集中在一起的单元，区别的是内部数据结构的实现方法。

所有的容器都是可以迭代的，你可以用for循环去迭代上述的容器试试。

那把一个个元素找出来，用到的就是迭代器。用iter()可以创建一个迭代器。

迭代器提供一个next()方法，这个方法你每次调用的时候会给你返回下一个对象，或者StopIteration，也就是没有对象可以给你了。

list_a = [1, 2, 3, 4]

it = iter(list_a) # 创建迭代器

print(next(it)) #调用next()
print(next(it))
print(next(it))
print(next(it))
print(next(it))

运行结果，前4个print可以正常返回，第5个时候就出现StopIteration错误了，因为列表中4个元素已经返回完了。

1
2
3
4
Traceback (most recent call last):
File "D:\练习\demo_iterator.py", line 9, in <module>
print(next(it))
StopIteration
[Finished in 0.1s with exit code 1]

二、生成器

什么是生成器？简单粗暴一点：生成器就是懒人版的迭代器。

在上述的创建迭代器操作中，我们显然是做了一次性生成的操作，list_a = [1, 2, 3, 4]，这4个元素一次性生成好，以供next()调用。

但是生成出的这些元素都是会保存到内存中去，这只是4个元素，如果有上千万、上亿元素呢？
我并不是第一时间要用到所有的元素，我只要在我调用next()的时候产生一个返回给我就好，那么这样一次性生成就会白白占用了大量的内存。

生成器应运而生，当调用next()的时候，才会生成下一个变量。
生成器的写法很简单，用小括号，比如把一个列表生成式括起来：(i for i in range(10000))这样就初始化了一个生成器。

print([i for i in range(10)])

print(i for i in range(10))

上面的时列表，下面的就是一个生成器了，区别就是[]和()。
运行结果：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
<generator object <genexpr> at 0x033383A8>
[Finished in 0.1s]

yield关键字

此外，函数也可以成为生成器，秘密就是yield关键字，比如：

def gen():
 a = 0
 while a < 100:
  yield a
  a += 1

test = gen()
print(next(test))
print(next(test))
print(next(test))
print(next(test))

运行结果：

0
1
2
3
[Finished in 0.1s]

yield关键字，可以这样理解：当函数运行到这一行的时候，程序会从这里暂停，yield相当于return会返回，
当下次迭代时候，则会从yield的下一行代码开始执行。

所以，我调用了4次print，可以从0开始依次输出。

从我工作中的使用场景出发的话，我在做一些自动化测试的时候，有些变量参数是不可以重复的，用迭代器来定义变量的生成规则，每次
调用都会产生一个新的，就不会重复了。

以上就是彻底搞懂python 迭代器和生成器的详细内容，更多关于python 迭代器和生成器的资料请关注我们其它相关文章！

赞 (0)

相关推荐

  • 五分钟带你搞懂python 迭代器与生成器

    前言 大家周末好,今天给大家带来的是Python当中生成器和迭代器的使用. 我当初第一次学到迭代器和生成器的时候,并没有太在意,只是觉得这是一种新的获取数据的方法.对于获取数据的方法而言,我们会一种就足够了.但是在我后来Python的使用以及TensorFlow等学习使用当中,我发现很多地方都用到了迭代器和生成器,或者是直接使用,或者是借鉴了思路.今天就让我们仔细来看看,它们到底是怎么回事. 迭代器 我们先从迭代器开始入手,迭代器并不是Python独有的概念,在C++和Java当中都有itera

  • 浅谈Python中的生成器和迭代器

    迭代器 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,要么返回一个异常来终止本次迭代.(只能往前走,不能往后退!) 迭代器对象 遵循了(实现了)迭代器协议的对象.(对象内部实现了一个__next__方法,以实现迭代器协议)称为一个迭代器对象.他们的作用是逐个遍历容器中的对象.迭代器对象一定是可迭代对象 >>> from collections import Iterable, Iterator >>> l = list([1,2,3]) #

  • 实例讲解Python 迭代器与生成器

    迭代器 迭代是Python最强大的功能之一,是访问集合元素的一种方式. 迭代器是一个可以记住遍历的位置的对象. 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. 迭代器有两个基本的方法:iter() 和 next(). 字符串,列表或元组对象都可用于创建迭代器: >>> list=[1,2,3,4] >>> it = iter(list) # 创建迭代器对象 >>> print (next(it)) # 输出迭

  • 浅谈Python中的可迭代对象、迭代器、For循环工作机制、生成器

    浅谈Python中的可迭代对象、迭代器、For循环工作机制、生成器

    1.iterable iterator区别 要了解两者区别,先要了解一下迭代器协议: 迭代器协议是指:对象需要提供__next__()方法,它返回迭代中的元素,在没有更多元素后,抛出StopIteration异常,终止迭代. 可迭代对象就是:实现了迭代器协议的对象. 协议是一种约定,可迭代对象实现迭代器协议,Python的内置工具(如for循环,sum,min,max函数等)通过迭代器协议访问对象,因此,for循环并不需要知道对象具体是什么,只需要知道对象能够实现迭代器协议即可. 迭代器(ite

  • 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

  • 一篇文章彻底搞懂Python中可迭代(Iterable)、迭代器(Iterator)与生成器(Generator)的概念

    前言 在Python中可迭代(Iterable).迭代器(Iterator)和生成器(Generator)这几个概念是经常用到的,初学时对这几个概念也是经常混淆,现在是时候把这几个概念搞清楚了. 0x00 可迭代(Iterable) 简单的说,一个对象(在Python里面一切都是对象)只要实现了只要实现了__iter__()方法,那么用isinstance()函数检查就是Iterable对象: 例如 class IterObj: def __iter__(self): # 这里简单地返回自身 #

  • python 生成器和迭代器的原理解析

    一.生成器简介 在python中,生成器是根据某种算法边循环边计算的一种机制.主要就是用于操作大量数据的时候,一般我们会将操作的数据读入内存中处理,可以计算机的内存是比较宝贵的资源,我认为的当要处理的数据超过内存四分之一的大小时就应该使用生成器. 二.生成器有什么特点? 1.和传统的容器相比,生成器更节省内存. 2.延迟计算,在我们需要结果时就调用一下生成器的next()方法即可. 3.可迭代,你可以像遍历list一样,遍历生成器 三.如何创建生成器? 在python中有两种方式创建生成器:生成

  • Python通过for循环理解迭代器和生成器实例详解

    本文实例讲述了Python通过for循环理解迭代器和生成器.分享给大家供大家参考,具体如下: 迭代器 可迭代对象 通过 for-in- 循环依次拿到数据进行使用的过程称为遍历,也叫迭代.我们把可以通过 for-in- 语句迭代读取数据的对象称之为可迭代对象. - 通过 isinstance()可以判断一个对象是否可以迭代 # 判断列表 print(isinstance([], Iterable) 打印结果为 True 即为可迭代对象. - 自定义一个能容纳数据的类,测试该类的可迭代性 impor

  • 详解python中的生成器、迭代器、闭包、装饰器

    迭代是访问集合元素的一种方式.迭代器是一个可以记住遍历的位置的对象.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. 1|1可迭代对象 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,如 list . tuple . dict . set . str 等: 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 .

  • Python迭代器iterator生成器generator使用解析

    1. 迭代 根据记录的前面的元素的位置信息 去访问后续的元素的过程 -遍历 迭代 2. 可迭代对象 iterable 如何判断可迭代对象的3种方式 能够被迭代访问的对象 for in 常用可迭代对象-list tuple str from collections import Iterable isinstance(obj, Iterable) 3. 可迭代对象 可迭代对象通过__iter__方法提供一个 可以遍历对象中数据的工具-迭代器 iter(可迭代对象) 可以获取可迭代对象的迭代器 通过

随机推荐