python迭代器和生成器

90807

迭代器
?
1
   
#可以被netxt()函数调用不断返回一个值的对象成为迭代器：Iterator
?
1
2
3
4
5
6
7
8
9
10
11
   
#迭代器是访问集合元素的一种方式，从集合第一个元素开始（用next()方法）访问就不能回退，便于循环遍历一些较大的数据集合节省内存和时间。

一个简单的迭代器：
numbers = iter([1,2,3])
print(numbers)
print(numbers.__next__())
print(numbers.__next__())

Result:<list_iterator object at 0x1021777b8>
            1
            2

生成器
?
1
2
   
# 通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。
#如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
?
1
   
#这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
?
1
   
#一个简单的生成器：
　　>>> g = (x * x for x in range(10))
　　>>> g
<generator object <genexpr> at 0x1022ef630>

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
   
#一个函数返回的是一个迭代器,这个函数就是一个生成器.
# 主要作用是保持函数的执行状态,可以中断函数的执行然后继续.


def cash_money (number):
    while number > 0:
        number -= 100
        yield 100
        print("取了100元!")

atm= cash_money(500)
print(type(atm))
print(atm.__next__())
print(atm.__next__())
print("去吃饭")#中断了函数的循环,去执行另外的任务.
print(atm.__next__()) #继续生成器中的循环 这个很强大.

而在实际操作中，我们并不用不停的__next__(),而是用for循环即可遍历生成器：


?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
   
>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
...
0
1
4
9
16
25
36
49
64
81

总结：

我们已经知道，可以直接作用于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
  可以使用isinstance()判断一个对象是否是Iterable对象：
  
  >>> from collections import Iterable
  >>> isinstance([], Iterable)
      True
  >>> isinstance({}, Iterable)
      True
  >>> isinstance('abc', Iterable)
      True
  >>> isinstance((x for x in range(10)), Iterable)
      True
  >>> isinstance(100, Iterable)
      False