python 迭代器|生成器

我就是我 2022-10-03 00:33 281阅读 0赞

*  **迭代器的概述**

**　　迭代是指重复从对象中获取数据，直至结束。而所谓的迭代协议，概括起来就是用\_\_iter\_\_方法返回一个实现了\_\_next\_\_方法的迭代器对象。**

**　　迭代器使用了分离设计，是访问集合元素的一种方式。首先，对目标对象而言，迭代器是一种与自身逻辑无关的用户接口，组合显然比内联合适；其次，迭代分多次完成，需要保存进度。**

**而且还可能有重复迭代，以及同时进行多个迭代的情形。如何存储并管理这些状态？不如每次按需新建实例，单向存储进度。用完即毁，无需考虑太多。**

*  **迭代器的特点**

1.  **访问者不需要关心其内部结构，仅需通过\_\_next\_\_()方法不断去取下一个内容。**
2.  **迭代器不能随机访问，只能依次从头访问。**
3.  **迭代器进行元素访问时，不能回退。**
4.  **迭代器是单向存储进度，只进不退，空间用完即毁，节省内存。**

*  **迭代器的操作**

**　　iter（data）**

**　　实例：**

#列表
    n1 = iter(["you","are","a","pig",2333])
    print(n1.__next__())
    print(n1.__next__())
    print(n1.__next__())
    print(n1.__next__())
    print(n1.__next__())

**输出结果：　　**

**　　you**  
**　　are**  
**　　a**  
**　　pig**  
**　　2333**

**由结果可知，每次调用\_\_next\_\_方法太过繁琐，故可对其加以修改，使用for循环使其自动迭代。**

n1 = iter(["you","are","a","pig",2333])
    for i in n1:
        print(i)

**　　尽管列表、字典等容器类型实现了迭代协议。但本质上，两者不属于同一层面。迭代器不仅是一种数据读取方法，而更多的是一种设计模式。**

**　　迭代器的重点是逻辑控制。调用方法发出请求，随后决策由迭代器决定。数据收敛，抽象和实现分离。**

<table> 
 <tbody> 
  <tr> 
   <td><span style="color:#ffffff;font-size:18pt;"><strong><span style="font-family:'幼圆';">生成器（generator）</span></strong></span></td> 
  </tr> 
 </tbody> 
</table>

*  **生成器的概述　　**

**　　生成器是迭代器的进化版本，用函数和表达式替代接口方法。其不仅简化了编码过程，还提供了更多控制能力用于复杂设计。生成器函数的特殊之处在于，其内部以yield返回迭代数据。这与普通函数不同，无论内部逻辑如何，其函数调用总是返回生成器对象。随后，以普通迭代器方式继续操作。**

*  **yield的特点**

1.  **yield 是一个类似 return 的关键字，迭代一次即调用一次\_\_next\_\_，当程序遇到yield时就停止便返回函数初始位置，下次迭代时，直接从yield后面的代码(下一行)开始执行。**
2.  **yield可以随时切入切出循环，便是因为特点1.**
3.  **yield可以随时中断一个函数。以yield为切换分界线，往复交替，直至函数结束。**

def store_sort(count):
        while count>0:
            count -= 1
            yield 1
            print("胖成猪了，还吃！！！")
    
    if __name__ == "__main__":
        you = store_sort(10)
        print(you.__next__())
        print(you.__next__())
        print(you.__next__())

**输出结果：**

**　　1**  
**　　胖成猪了，还吃！！！**  
**　　1**  
**　　胖成猪了，还吃！！！**  
**　　1**

**　　由结果可知，每条yield语句对应一次\_\_next\_\_调用。可分裂多条\_\_next\_\_语句，或出现在循环语句中，只要结束函数流程，就相当于抛出迭代终止异常。**

**　　由上述列子store\_sort(count)函数可知，只要有yield在整个函数便是一个生成器，而它返回的是一个迭代器。**

**　　使用yield还可以实现单线程中的异步并发效果，例如生产者--消费者模型。**

import time
    
    def consumer(name):
        print("%s 准备吃包子啦！"%name)
        while True:
            baozi = yield
            '''
            yield既可以返回一个值，也可以接受一个值。
            返回一个值：如 yield 1
            接收一个值：如 baozi = yield
            '''
            print("包子%s来啦，被%s吃了！"%(baozi,name))
    
    
    def producer(name):
        c1 = consumer("小猪")
        c2 = consumer("佩奇")
        c1.__next__()
        c2.__next__()
        print("傻妞开始做包子啦！")
        for i in range(1,3):
            time.sleep(1)
            print("傻妞做了两个包子")
            c1.send(i)
            c2.send(i)
    if __name__ == "__main__":
        producer("傻妞")

**输出结果：**

**　　小猪 准备吃包子啦！**  
**　　佩奇 准备吃包子啦！**  
**　　傻妞开始做包子啦！**  
**　　傻妞做了两个包子**  
**　　包子1来啦，被小猪吃了！**  
**　　包子1来啦，被佩奇吃了！**  
**　　傻妞做了两个包子**  
**　　包子2来啦，被小猪吃了！**  
**　　包子2来啦，被佩奇吃了！**

*  **生成器方法**

**　　生成器的另一进化特征，就是提供双向通信能力。**

**　　生成器不再是简单的数据提供方（yield 1），其还可以作为接收方****（baozi = yield）存在。如上述两个例子所示。生成器甚至能在外部停止迭代，或发送信号实现重置等自定义行为。**

**　　方法send除可以向yield传送数据外，其他与next完全一致。不过发送之前，须确保生成器已经启动。因为只有如此，才会进入函数执行流程，才会对外提供数据和交互。**

转载于:https://www.cnblogs.com/Chestnut-g/p/10437345.html