当前位置:脚本大全 > > 正文

python中的迭代器详解(Python通过for循环理解迭代器和生成器实例详解)

时间:2022-03-29 10:30:24类别:脚本大全

python中的迭代器详解

Python通过for循环理解迭代器和生成器实例详解

本文实例讲述了Python通过for循环理解迭代器和生成器。分享给大家供大家参考,具体如下:

迭代器

可迭代对象

通过 for…in… 循环依次拿到数据进行使用的过程称为遍历,也叫迭代。我们把可以通过 for…in… 语句迭代读取数据的对象称之为可迭代对象。

- 通过 isinstance()可以判断一个对象是否可以迭代

  • ?
  • 1
  • 2
  • # 判断列表
  • print(isinstance([], Iterable)
  • 打印结果为 True 即为可迭代对象。

    - 自定义一个能容纳数据的类,测试该类的可迭代性

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • import collections
  • class MyClassmate(object):
  •   def __init__(self):
  •     self.names = []
  •   def add(self, name):
  •     self.names.append(name)
  • # 创建 MyClassmate对象
  • my_classmate = MyClassmate()
  • my_classmate.add("小王")
  • my_classmate.add("小李")
  • my_classmate.add("小张")
  • # 判断MyClassmate是否为可迭代对象
  • print("是否为可迭代对象:",isinstance(my_classmate, collections.Iterable))
  • # 迭代数据
  • for temp in my_classmate:
  •   print(temp)
  • 运行结果:

    是否为可迭代对象: False
    Traceback (most recent call last):
        for temp in my_classmate:
    TypeError: 'MyClassmate' object is not iterable

    封装一个可以存放多条数据的类型是不可迭代的

    何为可迭代对象

    1.可迭代对象的本质就是提供一个这样的中间"人"即迭代器帮助我们对其进行迭代遍历使用

    2.可迭代对象是一个具备了__iter__方法的对象,通过__iter__方法获取可迭代对象的迭代器

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • from collections import Iterable
  • class MyClassmate(object):
  •   def __init__(self):
  •     self.names = []
  •   def add(self, name):
  •     self.names.append(item)
  •   def __iter__(self):
  •     """空实现该方法"""
  •     return None
  • # 创建 MyClassmate对象
  • my_classmate = MyClassmate()
  • my_classmate.add("小王")
  • my_classmate.add("小李")
  • my_classmate.add("小张")
  • # 判断MyClassmate是否为可迭代对象
  • print(isinstance(my_classmate, Iterable))
  • 运行结果:

    是否为可迭代对象: True

    这回测试发现添加了__iter__方法的my_classmate对象已经是一个可迭代对象了。

    iter() 函数与 next() 函数

    list、tuple 等都是可迭代对象,我们可以通过 iter() 函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器不断使用 next() 函数来获取下一条数据。

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • li = [11, 22, 33, 44, 55]
  • # 通过iter() 取得可迭代对象的迭代器
  • iterator = iter(li)
  • # 通过next()函数取得iterator迭代器指向的下一个值
  • print(next(iterator))
  • print(next(iterator))
  • print(next(iterator))
  • print(next(iterator))
  • print(next(iterator))
  • print(next(iterator))
  • 1.iter(iterable) 函数是把可迭代对象的迭代器取出来,内部是调用可迭代对象的__iter__方法,来取得迭代器的

    2.next(iterator) 函数是通过迭代器取得下一个位置的值,内部是调用迭代器对象的__next__方法,来取得下一个位置的值

    注意: 当我们已经迭代完最后一个数据之后,再次调用 next() 函数会抛出 StopIteration 的异常,来告诉我们所有数据都已迭代完成,不用再执行 next() 函数了。

    迭代器

    我们要想构造一个迭代器,就要实现它的__next__ 方法。但这还不够,python 要求迭代器本身也是可迭代的,所以我们还要为迭代器实现__iter__ 方法,而 __iter__ 方法要返回一个迭代器,迭代器自身正是一个迭代器,所以迭代器的 __iter__ 方法返回自身即可。

    一个实现了 __iter__ 方法和 __next__ 方法的对象,就是迭代器,迭代器同时也是一个可迭代对象.

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • import collections
  • class MyClassmate(object):
  •   def __init__(self):
  •     # 声明一个列表
  •     self.names = []
  •     # 记录迭代器迭代的位置, 默认是0 ,即从起始位置开始
  •     self.current = 0
  •   def add(self, name):
  •     self.names.append(name)
  •   def __iter__(self):
  •     """通过该方法取得迭代器对象"""
  •     return self
  •   def __next__(self):
  •     """取得下一个迭代的值"""
  •     if self.current < len(self.names):
  •       name = self.names[self.current]
  •       self.current += 1
  •       return name
  •     else:
  •       raise StopIteration
  • # 创建MyClassmate实例
  • my_classmate = MyClassmate()
  • my_classmate.add("小王")
  • my_classmate.add("小李")
  • my_classmate.add("小张")
  • # 测试MyList是不是可迭代对象
  • print(isinstance(my_classmate, collections.Iterable))
  • # 遍历数据
  • for name in my_classmate:
  •   print(name)
  • for…in… 循环的本质

    for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象 Iterable 的迭代器,然后对获取到的迭代器不断调用 next() 方法来获取下一个值并将其赋值给 item,当遇到 StopIteration 的异常后循环结束 (for…in..会自动处理 StopIteration 异常)。

    生成器

    生成器

    生成器是一种特殊的迭代器,它比迭代器更优雅

    创建生成器的方法

    1.将列表生成式的 [] 改成 ()

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • # 参考列表生成式
  • L=[x*2 for x in range(6)]
  • print(L)
  • # 把[] 改为() :就是一个简单的列表生成器
  • G=(x*2 for x in range(6))
  • # 输出的是生成器对象
  • print(G)
  • print("通过next()函数取得下一个值")
  • print(next(G))
  • print(next(G))
  • print(next(G))
  • print(next(G))
  • print(next(G))
  • print(next(G))
  • # 创建一个简单生成器,通过 for来遍历
  • G=(x*2 for x in range(6))
  • print("通过for 迭代的结果:")
  • for num in G:
  •   print(num)
  • 运行结果:

    [0, 2, 4, 6, 8, 10]
    <generator object <genexpr> at 0x7ff7f8bbd5c8>
    通过next()函数取得下一个值
    0
    2
    4
    6
    8
    10
    通过for 迭代的结果:
    0
    2
    4
    6
    8
    10

    2.通过关键字 yield 实现生成器

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • def fib(n):
  •   current_index = 0
  •   num1, num2 = 0, 1
  •   while current_index < n:
  •     # print(num1) # 打印斐波那契数列
  •     """
  •      1. 假如函数中有yield,则不再是函数,而是生成器
  •      2. yield 会产生一个断点
  •      3. 假如yield后面紧接着一个数据,就会把数据返回,
  •       作为next()函数或者for ...in...迭代出的下一个值
  •     """
  •     yield num1
  •     num1, num2 = num2, num1 + num2
  •     current_index += 1
  • if __name__ == '__main__':
  •   # 假如函数中有yield,则不再是函数,而是一个生成器
  •   gen = fib(5)
  •   #  生成器是一种特殊的迭代器
  •   for num in gen:
  •     print(num)
  •   # 也可以用 next() 函数取下一个值
  • 在使用生成器实现的方式中,我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现,但是将打印输出方式换成 yield,此时新定义的函数便不再是函数,而是一个生成器了。简单来说:只要在函数中有 yield 关键字,就称为生成器。

    此时按照调用函数的方式( 案例中为 gen = fib(5) )使用生成器就不再是执行函数体了,而是会返回一个生成器对象( 案例中为 gen ),然后就可以按照使用迭代器的方式来使用生成器了。

    使用 send() 唤醒

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • def gen():
  •   i = 0
  •   while i < 5:
  •     temp = yield i
  •     print(temp)
  •     i += 1
  • if __name__ == '__main__':
  •   # 取得生成器对象
  •   obj = gen()
  •   # 使用next()唤醒生成器
  •   print(next(obj))
  •   print(next(obj))
  •   # 使用send唤醒生成器 ,在唤醒的同时向断点处传入一个附加数据
  •   print(obj.send("haha"))
  •   # 使用next()唤醒生成器
  •   print(next(obj))
  •   # 使用send唤醒生成器 ,在唤醒的同时向断点处传入一个附加数据
  •   print(obj.send("python"))
  • 运行结果:

    0
    None
    1
    haha
    2
    None
    3
    python

    我们除了可以使用 next() 函数来唤醒生成器继续执行外,还可以使用 send() 函数来唤醒执行。使用 send() 函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。

    总结

    1. 假如函数中有 yield,则不再是函数,而是生成器
    2. yield 会产生一个断点,暂停函数,保存状态
    3. 假如yield后面紧接着一个数据,就会把数据返回,作为 next() 函数或者 for …in… 迭代出的下一个值
    4. 可以通过 next() 唤醒生成器,让生成器从断点处继续执行

    send与next唤醒生成器不同:

    1. send 与next都可以唤醒生成器,但send(value)可以传值给生成器的断点处
    2. 使用:

  • ?
  • 1
  • 2
  • next(generator)
  • generator.send("你好")
  • 3. generator.send(None)等价于next(generator)
    4. 注意: 第一次唤醒生成器时,假如使用 send,则只能传 None,因为刚开始执行生成器时,是没有断点的

    - 解析

  • ?
  • 1
  • 2
  • temp = yield num
  • generator.send("你好")
  • temp = yield num 为赋值语句,当看到等号时, 一定是等号左边先运行完,再赋值给等号右边

    而程序运行到 yield num 时,会先返回一个值,也就是此时的 num ,然后将 send()里的参数传给 yield num,进而赋值给 temp

    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/Waspvae/article/details/80603234

    上一篇下一篇

    猜您喜欢

    热门推荐