python中迭代器的作用
Python3.5迭代器与生成器用法实例分析本文实例讲述了python3.5迭代器与生成器用法。分享给大家供大家参考，具体如下：
1、列表生成式
通过列表生成式可以直接创建一个列表。代码：a = [i*2 for i in range(10)]
|
|
#!/usr/bin/env python# -*- coding:utf-8 -*-# author:zhengzhengliu#列表生成式a = [i*2 for i in range(10)]print(a) |
运行结果：
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
由于受内存限制，列表容量肯定是有限的。创建一个包含100万个元素的列表，不仅占用很大的存储空间，若只访问前面的几个元素，后边的绝大多数元素占用空间浪费。
如果列表元素可以按照某种算法推算出来，那是否可以在循环过程中不断推算后续的元素？这样就不必创建完整的列表list，从而节省大量的空间。
2、生成器
在python中，一边循环一边计算的机制，叫做：生成器（generator）。创建一个生成器的方法有很多：
（1）将一个列表生成式的[]改成()，就创建一个生成器。代码：b = (i*2 for i in range(10))
|
|
#!/usr/bin/env python# -*- coding:utf-8 -*-# author:zhengzhengliu#列表生成式a = [i*2 for i in range(10)]print(a)print("type of a:",type(a))#生成器b = (i*2 for i in range(10))print(b)print("type of b:",type(b))for i in b: print(i) |
运行结果：
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
type of a: <class 'list'>
<generator object <genexpr> at 0x008b8d20>
type of b: <class 'generator'>
0
2
4
6
8
10
12
14
16
18
结论：生成器的元素只有在调用的时候才生成相应的，调用到哪一次才会生成到哪一次的元素，只记住当前的位置。
注意：列表可以直接打印出每一个元素，而生成器不能用切片的形式去取，会出错误。
打印出生成器generator的每一个元素的方法：如果要一个一个打印出来，要通过next()函数获得生成器generator的下一个返回值。
生成器generator保存的是算法，每次调用print(next(b))，就计算出生成器b的下一个元素的值，直到最后一个元素，没有更多的元素时，抛出stopiteration的错误。
|
|
#生成器b = (i*2 for i in range(10))print(next(b))print(next(b))print(next(b))print(next(b)) |
运行结果：
0
2
4
6
不断调用next(b)很麻烦，可以利用for循环，因为生成器generator也是可迭代的对象。
（2）当推算的算法比较复杂时，用类似列表生成式的for循环无法实现，还可以用函数来实现生成器
例如：著名的斐波那契数列（fibonaccl），除了第一个和第二个数之外，任意一个数都由前两个数相加得到：1, 1, 2, 3, 5, 8, 13, 21, 34, ...
|
|
#!/usr/bin/env python# -*- coding:utf-8 -*-# author:zhengzhengliudef fibonaccl(max): n,a,b = 0,0,1 while n < max: print(b) a,b = b,a + b n = n + 1 return 'done'fibonaccl(10) |
运行结果：
1
1
2
3
5
8
13
21
34
55
总结：fibonaccl函数实际上定义了斐波那契数列的推算规则，可以从第一个元素开始，推算出后续任意元素，这种逻辑非常类似generator。
fibonaccl函数和生成器generator只有一步之遥，要把fibonaccl函数变成生成器generator，只需要将print(b)修改为yield b就可以了。
最难理解的就是generator和函数的执行流程不一样。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，
即：yield保存了函数的中断状态，返回当前状态的值，函数停在这里，后边还可以继续回来。
另外，函数可以不再等待其执行结束，可以中断在某个地方做其他的事情，结束之后还可以继续回来接着往下执行（具有并行的效果）。
|
|
def fibonaccl(max): n,a,b = 0,0,1 while n < max: yield b a,b = b,a + b n = n + 1 return 'done'print(fibonaccl(15))f = fibonaccl(15)print(f.__next__())print(f.__next__())print(f.__next__())print(f.__next__())print("===========")print(f.__next__())print(f.__next__())print(f.__next__())print(f.__next__())print("=========start loop========") #接着打印后边的元素for i in f: print(i) |
运行结果：
<generator object fibonaccl at 0x00548d50>
1
1
2
3
===========
5
8
13
21
=========start loop========
34
55
89
144
233
377
610
用for循环调用generator时，发现拿不到generator的return语句的返回值。
如果想要拿到返回值，必须捕获stopiteration错误，返回值包含在stopiteration的value中。
|
|
def fibonaccl(max): n,a,b = 0,0,1 while n < max: yield b a,b = b,a + b n = n + 1 return 'done'g = fibonaccl(6)while true: try: x = next(g) print('g:', x) except stopiteration as e: print('generator return value:', e.value) break |
运行结果：
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
generator return value: done
3、生成器并行的实现——单线程下的并行效果
|
|
#!/usr/bin/env python# -*- coding:utf-8 -*-# author:zhengzhengliu#生成器并行的实现——生产者、消费者模型import timedef consumer(name): print("%s 准备吃包子啦!" %name) while true: baozi = yield #yield保存当前状态返回 print("包子[%s]来了,被[%s]吃了!" %(baozi,name))def producer(name): c = consumer('a') c2 = consumer('b') c.__next__() #next只唤醒yield c2.__next__() print("开始准备做包子啦!") for i in range(3): time.sleep(1) print("做了2个包子!") c.send(i) #send唤醒yield同时给它传值 c2.send(i)producer("alex") |
运行结果：
a 准备吃包子啦!
b 准备吃包子啦!
开始准备做包子啦!
做了2个包子!
包子[0]来了,被[a]吃了!
包子[0]来了,被[b]吃了!
做了2个包子!
包子[1]来了,被[a]吃了!
包子[1]来了,被[b]吃了!
做了2个包子!
包子[2]来了,被[a]吃了!
包子[2]来了,被[b]吃了!
希望本文所述对大家python程序设计有所帮助。
原文链接：https://blog.csdn.net/loveliuzz/article/details/78072964