迭代器和生成器的用法

首先在了解解析式之前，我們先來看乙個列子：乙個列表，元素是0-9，列表中的每個值自增1，該如何實現：

方法一：遍歷列表，對其元素進行加1操作後放到乙個新的列表中

1 lst = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]23
for index, i in
enumerate(lst):
4 lst[index] += 1
5print(lst)

方法二：通過map函式來實現

a = map(lambda x:x+1, lst)
print
(a)for x in
a: 
print(x)

方法三：通過列表解析式，一行搞定

1 lst2 = [x+1 for x in
lst]
2print(lst2)

方法三就是列表解析式的寫法，返回乙個新的列表。

那麼什麼是生成器呢？通過列表解析式我們可以發現，它會直接建立乙個新的列表，這樣不好的地方就是占用記憶體，我們知道記憶體是有限的，如果列表中的元素有幾百萬，而有時候就僅僅需要個別的資料，那麼就會大大浪費記憶體的空間。

所以，我們是否可以想一種辦法來解決這個問題呢？在python中，生成器就很好的解決了這個問題。我們可以假設列表中的元素能否通過某種演算法來推算出來呢？在需要某個資料的時候通過計算來得到這個資料，這樣就不會直接生成乙個列表來儲存許多無用的資料了。在python中，這種一邊迴圈一邊計算的機制，就是生成器。

生成器是迭代器的一種，使用yield返回值函式，每次呼叫yield會暫停，使用next()函式和send()函式可以恢復生成器繼續下次計算。生成器不同於一般的函式會一次性返回所有資料，生成器一次只能產生乙個資料，這樣就不會占用大量的記憶體空間。

那麼如何去建立乙個生成器，這種方式比較簡單，就是將列表解析式的換成()，就可以建立乙個生成器(generator)：

1 generator_demo = (x for x in range(6))
2print
(generator_demo)34
執行結果：
5at 0x0000000000c3e360>

從結果可以看出，生成器返回的是乙個generator物件。而列表解析式返回乙個列表。那麼如何去將生成器中的元素乙個乙個列印出來呢？這就需要next()函式來進行操作：

1 generator_demo = (x for x in range(3))23
print
(next(generator_demo))
4print
(next(generator_demo))
5print
(next(generator_demo))
6print
(next(generator_demo))78
執行結果：90
10 1
11 2
12traceback (most recent call last):
13 file "
c:/users/wj/pycharmprojects/mxonline/test.py
", line 10, in
14print
(next(generator_demo))
15 stopiteration

可以看出，生成器儲存的是演算法，通過next可以一次一次計算它的元素，直到最後乙個元素的時候繼續next會丟擲stopiteration的錯誤。在生產環境中，是基本不會用next這個方法的。因為生成器也是可迭代物件，可以通過for迴圈去迭代它的值：

1 generator_demo = (x for x in range(3))23
for x in
generator_demo:
4print(x)

通過這種方法來迭代它的值就不會丟擲stopiteration的錯誤了。

這種建立生成器的寫法固然簡單，但是如果是乙個演算法邏輯比較複雜的時候，就不適合通過這種簡單的寫法來建立生成器了，我們可以通過函式的形式來建立生成器，例如著名的斐波那契數列：

1
deffib(max):
2 n, a, b = 0, 0, 1
3while n 4 a, b = b, a+b
5print
(a)6 n += 178
return
'done
'

可以看出，fib函式實際上就是定義了斐波那契數列的運算規則，從第乙個元素開始，去推算出後面的元素，這種邏輯就非常想生成器。那麼我們就可以將這個函式去定義成乙個生成器函式，通過yield關鍵字來定義：

1
deffib(max):
2 n, a, b = 0, 0, 1
3while n 4yield
b5 a, b = b, a+b
6 n += 178
print(fib(10))910
執行結果：
11

從執行結果可以看出，返回了乙個generator物件，這就說明將這個函式定義成了乙個生成器函式。這裡說一下普通函式和生成器函式的執行流程，普通函式是順序執行的，遇到return關鍵字就返回函式的值退出函式。而生成器函式是每次呼叫next的時候執行，遇到yield關鍵字返回第乙個元素，然後將函式掛起，等待下一次喚醒繼續計算後面的值，也就是取多少用多少，不會去占用記憶體空間。

這個生成器函式也是可迭代物件，所以可以通過for迴圈去迭代他的值，而不用去通過next去取值。

我們還可以通過yield來實現在單執行緒模式下實現併發運算的效果：

1
import
time23
defconsumer(name):
4print('
{}老師說：準備上課了
'.format(name))
5while
true:
6 lesson = yield
7print('
開始{}了，{}老手來講課了！
'.format(lesson, name))89
10def
producer():
11 name1 = consumer('
張老手'
)12 name2 = consumer('
王老手'
)13 name1.__next__
()14 name2.__next__
()15
16for x in range(4):
17 time.sleep(1)
18print('
到了兩名同學')
19name1.send(x)
20 name2.send(x)

從這個例子的執行結果可以看出，next和send的區別，next是喚醒函式，返回一次值，send是喚醒函式，並向生成器內部yield傳遞乙個值，並改變yield的返回值。

那麼什麼是迭代器呢？迭代就是迴圈，是指在正確的範圍內返回期待的資料以及在超出範圍以後丟擲stopiteration的錯誤停止迭代。

可以直接作用於for迴圈的資料型別有，字串、列表、元組、字典、集合等，還有生成器也可以進行迭代，這些直接作用於for迴圈的物件都可以叫做可迭代物件iterable。

乙個實現了iter方法的物件是可迭代的，乙個實現了next方法並且是可迭代的物件是迭代器。

迭代器和生成器的用法

生成器和迭代器

迭代器和生成器

生成器和迭代器

迭代器和生成器的用法

生成器和迭代器

迭代器和生成器

生成器和迭代器

相關推薦