Python迭代器与生成器总结【建议收藏】

末蓝、 2023-02-25 11:25 80阅读 0赞

前言：本博文主要讲解了迭代器与生成器的用法与区别。

文章目录

    • 一、迭代器
      • 1.1、概念
      • 1.2、应用
      • 1.3、扩展
      • 1.4、总结
    • 二、生成器
      • 2.1、概念
      • 2.2、应用
      • 2.3、扩展
      • 2.4、总结
    • 三、迭代器与生成器的区别
      • 3.1、共同点
      • 3.2、不同点
        • 3.2.1、语法上
        • 3.2.2、用法上

一、迭代器

1.1、概念

  1. 通过iter()方法获得了list的迭代器对象，然后就可以通过next()方法来访问list中的元素了。当容器中没有可访问的元素后，next()方法将会抛出一个StopIteration异常终止迭代器。
  2. 字符串、列表或元祖对象都可用于创建迭代器。
  3. 迭代器是有限制的，例如：不能回到开始，也无法复制一个迭代器。因此要再次进行迭代只能重新生成一个新的迭代器对象。
  4. __iter__()方法和__next__()方法，这两个方法是迭代器最基本的方法：一个用来获得迭代器对象，一个用来获取容器中的下一个元素。

1.2、应用

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：

  1. 集合数据类型，如list、tuple、dict、set、str等；
  2. generator，包括生成器和带yield的generator function。

以上这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

我们可以使用isinstance()判断一个对象是否是Iterable对象：

  1. from collections.abc import Iterable
  2. isinstance([], Iterable)
  3. # True
  4. isinstance({ }, Iterable)
  5. # True
  6. isinstance('abc', Iterable)
  7. # True
  8. isinstance((x for x in range(10)), Iterable)
  9. # True
  10. isinstance(100, Iterable)
  11. # false

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

  1. from collections.abc import Iterator
  2. isinstance((x for x in range(10)), Iterator)
  3. # True
  4. isinstance([], Iterator)
  5. # False
  6. isinstance({ }, Iterator)
  7. # False
  8. isinstance('abc', Iterator)
  9. # False

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

  1. isinstance(iter([]), Iterator)
  2. # True
  3. isinstance(iter('abc'), Iterator)
  4. # True

那么为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

1.3、扩展

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

  1. for x in [1, 2, 3, 4, 5]:
  2.     pass

实际上完全等价于：

  1. # 首先获得Iterator对象:
  2. it = iter([1, 2, 3, 4, 5])
  3. # 循环:
  4. while True:
  5.     try:
  6.         # 获得下一个值:
  7.         x = next(it)
  8.     except StopIteration:
  9.         # 遇到StopIteration就退出循环
  10.         break

1.4、总结

  1. 迭代器是一个可以记住遍历的位置对象；
  2. 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束；
  3. 凡是可作用于for循环的对象都是Iterable类型；
  4. 凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
  5. 集合数据类型如list、dict、str等是Iterable但不是Iterator，但是可以通过iter()函数获得一个Iterator对象。
  • 迭代器对象可以使用常规for语句进行遍历；
  • 迭代器对象也可以用while语句进行遍历。

二、生成器

2.1、概念

如果列表元素可以按照某种算法推算出来，那么就不必在循环的过程中不断推算后续的元素了。因而就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一个计算的机制，称为生成器（Generator）。

2.2、应用

我们可以把一个列表生成式的[]改成()，就创建了一个generator：

  1. lst = [x * x for x in range(10)]
  2. print(lst)
  3. # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
  4. gen = (x * x for x in range(10))
  5. print(gen)
  6. # <generator object <genexpr> at 0x00000221078DF1C8>

通过上面我们可以看到：创建lst直接可以打印出每一个元素，而创建gen却是一个generator，那我们怎样对其进行打印呢？可以通过next()函数获得generator的下一个返回值：

  1. next(g)
  2. # 0
  3. next(g)
  4. # 1
  5. next(g)
  6. # 4
  7. next(g)
  8. # 9
  9. next(g)
  10. # 16
  11. next(g)
  12. # 25
  13. next(g)
  14. # 36
  15. next(g)
  16. # 49
  17. next(g)
  18. # 64
  19. next(g)
  20. # 81
  21. next(g)
  22. """ Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration """

这是为什么呢？因为generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

当然，在实际开发中，我们不会调用next(g)这种方法。正确的方法是使用for循环，因为generator也是可迭代对象：

  1. for i in gen:
  2.     print(i)
  3. """ 0 1 4 9 16 25 36 49 64 81 """

所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

2.3、扩展

如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。

不仅如此generator和函数的执行流程也不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。我们可以看一下，下面这个例子：

  1. def odd():
  2.     print('step 1')
  3.     yield 1
  4.     print('step 2')
  5.     yield 3
  6.     print('step 3')
  7.     yield 5

调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：

  1. odd()
  2. # <generator object odd at 0x00000221056C41C8>
  3. o = odd()
  4. next(o)
  5. """ step 1 1 """
  6. next(o)
  7. """ step 2 3 """
  8. next(o)
  9. """ step 3 5 """
  10. next(o)
  11. """ Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration """

可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。

2.4、总结

  1. 在Python中，使用yield的函数被称为生成器；
  2. 与普通函数不同的说：生成器将返回一个迭代器的函数，而且生成器只能用于迭代操作。可见，生成器是一种特殊的迭代器；
  3. 在调用生成器运行的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值，并在下一次执行next()方法时，从当前位置继续运行。
  4. 与return返回值不同的是：yield语句每产生一个值，函数会暂停，返回yield值，等待被重新唤醒后从当前位置继续执行。

三、迭代器与生成器的区别

在这里插入图片描述

3.1、共同点

  • 生成器是一种特殊的迭代器

3.2、不同点

3.2.1、语法上

  • 生成器是通过函数的形式中调用yield或()的形式创建的；
  • 迭代器可以通过iter()内置函数创建。

3.2.2、用法上

  • 生成器在调用next()函数或for循环中，所有过程被执行，且返回值；
  • 迭代器在调用next()函数或for循环中，所有值被返回，没有其他过程或动作。
  1. 通过实现迭代器协议对应的__iter__()和__next__()方法，可以自定义迭代器类型。对于迭代器对象，for语句可以通过iter()方法获取迭代器，并且通过next()方法来获得容器的下一个元素。
  2. 生成器是一种特殊的迭代器，内部支持了生成器协议，不需要明确定义__iter__()和__next__()方法。
  3. 生成器通过生成器函数产生，生成器函数可以通过常规的def语句来定义，但是不用return返回，而是用yield一次返回一个结果。

发表评论

表情：
评论列表 （有 0 条评论，80人围观）

还没有评论，来说两句吧...

相关阅读

    相关 python 迭代器与生成器

    在Python中，迭代器（iterator）和生成器（generator）都是用于处理可迭代对象（iterable）的工具，它们允许你按需获取可迭代对象的元素，而不需要一次性将

    女爷i女爷i/ 0 赞/ 146 阅读

    相关 Python3 迭代器与生成器

    迭代器 > 1.迭代是Python最强大的功能之一，是访问集合元素的一种方式。 > 2.迭代器是一个可以记住遍历的位置的对象。 > 3.迭代器对象从集合的第一个元素开

    Dear 丶Dear 丶/ 0 赞/ 317 阅读