Python学习笔记（10）-生成器generator和迭代器Iterator

比眉伴天荒 2022-07-10 23:48 196阅读 0赞

# 生成器generator #

在创建列表的时候，存储的内容和大小已经固定，若创建的列表包含大量的元素，则会占据很大的存储空间，而且若只需要访问列表的前几个元素，则会造成较大的资源浪费。而使用生成器`generator`即可避免这样的问题，`generator`是根据已经写好的逻辑，动态循环创建的。

1.第一种创建方法，把列表解析的符号`[]`换成`()`，如下

代码:

a = [n for n in range(5)]  # 返回的是list，可直接输出存储的数据
    b = (n for n in range(5))  # 返回的是个generator，不能直接输出数据
    print(a)
    print(b)

结果:

[0, 1, 2, 3, 4]
    <generator object <genexpr> at 0x0000000001131360>

1.1 获取generator存储的数据，可以用`next()`方法，例如

代码:

b = (n for n in range(5))
    print(next(b))  # 输出3次
    print(next(b))
    print(next(b))

结果:

0
    1
    2

(注意：若`next()`输出的次数大于生成器存储的元素个数，则会抛出`StopIteration`错误)

1.2 查看generator存储的数据，每次都调用`next()`太过于繁琐，建议用`for...in...`循环，例如

代码:

b = (n for n in range(5))
    for value in b:
        print(value)

结果:

0
    1
    2
    3
    4

用`for`循环调用，可以不用担心抛出`StopIteration`错误

2.第二种创建方法，在函数定义中使用`yield`关键字，则该函数即为生成器函数，如下

代码:

def Fibonacci(number):
        n, a, b = 0, 0, 1
        while n < number:
            yield b   # 使用yield关键字，将b存储到generator中
            a, b = b, a + b  # a = b , b = a + b 
            n += 1
        return 'over'  # 在生成器函数中的return，不返回信息，而是将值存储在抛出的StopIteration中，可通过捕获异常来获取
    
    
    print([n for n in Fibonacci(8)])  # 使用列表解析，将结果存储到数组中，为了看着好看而已→_→

结果:

[1, 1, 2, 3, 5, 8, 13, 21]

普通函数和生成器函数的区别：

普通函数中遇到`return`语句或者执行到函数末尾会自动返回，而在生成器函数中，`return`是不返回的，而是在调用`next()`函数之后开始执行，而在`yield`处返回，下次在调用`next()`则再上次停止的`yield`处继续开始执行

2.1 通过`try-except`语句来获取`return`的返回值，如下

代码:

result = Fibonacci(8)
    while True:
         try:
             x = next(result)  # 其实for循环就是一次次的执行next()函数
         except StopIteration as e:
             print('返回值是:', e.value)
             break

结果:

返回值是: over

e.g.

利用生成器函数，将杨辉三角的每一行数据存储到list中输出。

代码:

def YHtriangle(max):  # 构造杨辉三角的逻辑 max>2时，每个数都等于上一行同一位置的数+这个位置前一位置的数
        n, L = 0, [1]
        while n < max:
            yield L  # 此处将L列表存储到生成器中
            L.append(0) # 存储后，在列表末尾添加0，为了下一行计算数据
            L = [L[i - 1] + L[i] for i in range(len(L))]  # 注意是range(len(L))，i-1=-1，每次取值都是上一句添加的0，
            n += 1
    
    def getYHtriangle(num):  # 输出数据
        for n in YHtriangle(num):
            print(n)
    
    getYHtriangle(4)  # 调用函数

结果:

[1]
    [1, 1]
    [1, 2, 1]
    [1, 3, 3, 1]

# 迭代器Iterator和可迭代对象Iterable #

在[笔记(3)中][3]记过，可使用`collections`模块的`Iterable`类型来判断是否可被`for`循环，补充，生成器generator或者是生成器函数也是可迭代对象`Iterable`。

可以被`next()`函数调用，并且不断返回下一个值的对象，叫做迭代器`Iterator`

同样可以使用`isinstance()`函数来判断是否是迭代器(需要先导入`Iterable`)

代码:

from collections import Iterator
    
    print(isinstance(123, Iterator))    # 不是可迭代对象Iterable，也不是迭代器Iterator
    print(isinstance('abc', Iterator))  # 字符串，列表，字典虽然可迭代Iterable,但不是迭代器Iterator
    print(isinstance(['a', 'b'], Iterator))
    print(isinstance(('a', 3), Iterator))
    print(isinstance((n for n in range(5)), Iterator))  # 只有生成器是一个迭代器

结果:

False
    False
    False
    False
    True

字符串，列表，字典虽然只是可迭代，不是迭代器，但是可以通过函数`iter()`获取一个迭代器`Iterator`，例如。

代码:

from collections import Iterator
    
    L = [1, 2, 3, 4]
    print(isinstance(L, Iterator))
    print(isinstance(iter(L), Iterator))

结果:

False
    True

[3]: http://blog.csdn.net/qq_28356833/article/details/53457408