• 欢迎访问极客猴,分享 Python 入门,网络爬虫,数据分析,赚钱思维相关的技术与思维QQ群
  • 本站点文章首发于微信公众号【极客猴】,欢迎关注,第一时间接受文章推送~
  • 如果您觉得本站非常有看点,那么赶紧使用 Ctrl+D 收藏极客猴吧

彻底理解 Iterable、Iterator、generator

Python 必知必会 猴哥 3年前 (2017-11-21) 11次浏览 0个评论
文章目录[隐藏]

本文介绍猴哥对于Python中的IterableIteratorgenerator的理解。

1.Iterable

我们一般称Iterable可迭代对象。Python 中任意的对象,只要它定义了可以返回一个迭代器的__iter__方法,或者定义了可以支持下标索引的__getitem__方法,那么它就是一个可迭代对象。我们常用到的集合数据类型都是 Iterable。例如列表(list)、元组(tuple)、字典(dict)、集合(set)、字符串(str)等。

我定义了一个列表 numlist,打印出该列表的方法。

numlist = [1, 2, 3]
print(numlist)
print(numlist.__iter__)      # 调用__iter__方法
print(numlist.__getitem__)  # 调用__getitem__方法

运行结果如下:
彻底理解 Iterable、Iterator、generator

根据运行结果,我们可知列表就是个可迭代对象。Pythoncollections 库有个isinstance()函数。可以用来判断一个对象是否是 Iterable 对象。

from collections import Iterable  

isinstance({}, Iterable)  
isinstance((), Iterable) 
isinstance(999, Iterable)

运行结果为:
彻底理解 Iterable、Iterator、generator

如果我们每次都要使用这个函数来判断一个对象是否为可迭代对象,这样操作有点麻烦。有没有快速判定的方法呢?答案是肯定的。可以直接使用 for 循环进行遍历的对象就是可迭代对象。

除此之外,generator(生成器)带 yield 的 generator function 也是可迭代的对象。

2.Iterator

Iterator是迭代器的意思。任意对象,只要定义了next()Python 2 版本)或者__next__()Python 3 版本) 方法,那么它就是一个迭代器。迭代器中还有另一个函数__iter__(),它和 next() 方法形成迭代器协议。

  • iter()
    返回主要是返回迭代器对象本身,即return self。如果你自己定义个迭代器,实现该函数就能使用for ... in ...语句遍历了。

  • next()
    获取容器中的下一个元素,当没有可访问元素后,就抛出StopIteration异常。

遍历迭代器有两个方式。一种是使用 next() 函数;另一种则是使用 for each 循环,本质上就是通过不断调用 next() 函数实现的。

from collections import Iterator

numlist = [1, 2, 3]

# 将数组转化为迭代器
ite1 = iter(numlist)
print(ite1)

for i in ite1:
    print(i)

print("=========")

ite2 = iter(numlist)
while True:
    try:
        num = ite2.__next__()
        print(num)
    except StopIteration:
        break

值得注意的是一个 Iterator 只能遍历一次。

3.generator

generator 翻译成中文是生成器。生成器也是一种特殊迭代器。它其实是生成器函数返回生成器的迭代,“生成器的迭代器”这个术语通常被称作”生成器”。yield 是生成器实现__next__() 方法的关键。它作为生成器执行的暂停恢复点,可以对 yield 表达式进行赋值,也可以将 yield 表达式的值返回。任何包含 yield 语句的函数被称为生成器。

yield是一个语法糖,内部实现支持了迭代器协议,同时yield内部是一个状态机,维护着挂起和继续的状态。

个人认为,生成器算是 Python 非常棒的特性。它的出现能帮助大大节省些内存空间。假如我们要生成从 1 到 10 这 10 个数字,采用列表的方式定义,会占用 10 个地址空间。采用生成器,只会占用一个地址空间。因为生成器并没有把所有的值存在内存中,而是在运行时生成值。所以生成器只能访问一次。

创建一个从包含 1 到 10 的生成器的例子。

gen = (i for i in range(10))
print(gen)
for i in gen:
    print(i)

运行结果如下:
彻底理解 Iterable、Iterator、generator

带有 yield 关键字 的例子。重点关注运行结果,这能让你对 yield 有更深的认识。

def testYield(n):
    for i in range(n):
        print("当前值: ", i)
        yield doubeNumber(i)
        print("第 ", i, " 次运行")
    print("testYield 运行结束")

def doubeNumber(i):
    return i*2

if __name__ == '__main__':
    for i in testYield(3):
        print(i, "===", i)

运行结果如下:
彻底理解 Iterable、Iterator、generator


极客猴版权所有,内容均为原创丨本网站采用共享 4.0 国际 CC BY-NC-SA 4.0 许可协议
文章标题:彻底理解 Iterable、Iterator、generator
转载请保留页面地址:https://geekmonkey.top/116.html
喜欢 (0)
[赞赏码]
分享 (0)
猴哥
关于作者:
分享自己总结的Python爬虫,Web开发,数据分析的心得。此外还输出自己的思考内容,涉猎产品知识、个人成长等,每周给你带来头脑大爆炸
发表我的评论
取消评论
表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址