章节目录:
- 一、迭代器
- 1.1 相关概述
- 1.2 基本使用
- 1.3 自定义迭代器
- 二、生成器
- 2.1 相关概述
- 2.2 基本使用
- 2.3 三种应用场景
- 三、yield 和 class 定义的迭代器对比
- 四、结束语
一、迭代器
1.1 相关概述
- 迭代是 Python 最强大的功能之一,是访问集合元素的一种方式。
- 迭代器是一个可以记住遍历的位置的对象。
- 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。迭代器只能往前不会后退。
- 迭代器有两个基本的方法:
iter()
和next()
。
1.2 基本使用
- 字符串,列表或元组对象都可用于创建迭代器:
# iter():创建迭代器。
it = iter([1, 2, 3, 4])# next():访问迭代器的下一元素。
print(next(it))
# 1
print(next(it))
# 2# 也可以 for 循环遍历下一元素。
for e in it:print(f"e={e}")# e=3# e=4
- 另一种遍历方式:
import sys# iter():创建迭代器。
it = iter([1, 2, 3, 4])while True:try:print(next(it))# 1# 2# 3# 4except StopIteration:sys.exit()
1.3 自定义迭代器
-
把一个类作为一个迭代器使用需要在类中实现两个方法
__iter__()
与__next__()
。 -
__iter__()
方法返回一个特殊的迭代器对象, 这个迭代器对象实现了__next__()
方法并通过StopIteration
异常标识迭代的完成。 -
__next__()
方法会返回下一个迭代器对象。 -
代码示例:
class Sample:def __iter__(self):self.n = 0return selfdef __next__(self):# 初始值。x = self.nself.n += 1return xsample = Sample()
it = iter(sample)
# 迭代两次。
print(next(it))
# 0
print(next(it))
# 1
- 通过
StopIteration
异常用于标识迭代的完成,防止出现无限循环的情况:
class Sample:def __iter__(self):self.n = 0return selfdef __next__(self):# 限制迭代次数。if self.n < 3:x = self.nself.n += 1return xelse:raise StopIterationsample = Sample()
it = iter(sample)for e in it:print(e)# 0# 1# 2
二、生成器
2.1 相关概述
- 在 Python 中,使用了
yield
的函数被称为生成器( generator )。 yield
是一个关键字,用于定义生成器函数,生成器函数是一种特殊的函数,可以在迭代过程中逐步产生值,而不是一次性返回所有结果。- 跟普通函数不同的是,生成器是一个返回迭代器的函数,只能用于迭代操作,更简单点理解生成器就是一个迭代器。
- 当在生成器函数中使用
yield
语句时,函数的执行将会暂停,并将yield
后面的表达式作为当前迭代的值返回。 - 然后,每次调用生成器的
next()
方法或使用for
循环进行迭代时,函数会从上次暂停的地方继续执行,直到再次遇到yield
语句。这样,生成器函数可以逐步产生值,而不需要一次性计算并返回所有结果。 - 调用一个生成器函数,返回的是一个迭代器对象。
2.2 基本使用
- 代码示例:
def countdown(n):while n > 0:# 关键字。yield nn -= 1# 创建生成器对象。
generator = countdown(5)# 通过迭代生成器获取值。
print(f"by generator {next(generator)}")
print(f"by generator {next(generator)}")
# by generator 5
# by generator 4# 使用 for 循环迭代生成器。
for value in generator:print(f"by for {value}")# by for 3# by for 2# by for 1
- 示例说明:
countdown()
函数是一个生成器函数,yield
语句逐步产生从 n 到 1 的倒数数字。- 在每次调用
yield
语句时,函数会返回当前的倒数值,并在下一次调用时从上次暂停的地方继续执行。 - 生成器函数的优势是它们可以按需生成值,避免一次性生成大量数据并占用大量内存。
- 生成器还可以与其他迭代工具( 如
for
循环 )无缝配合使用,提供简洁和高效的迭代方式。
2.3 三种应用场景
- 定义一个容器类的可迭代对象,为该对象实现
__iter__()
接口:
class MyData:@propertydef size(self):"""可以得到数据的大小。:return:"""return self.sizedef get_value(self, index):"""假设可以通过索引按顺序得到数据。:param index::return:"""return indexdef __iter__(self):"""可迭代对象。:return:"""# index 为局部变量。index = -1# 设定完成的条件。while index < 2:index += 1yield self.get_value(index)if __name__ == '__main__':# 这里的 mydata 是可迭代对象而非迭代器。mydata = MyData()
- 定义一个处理其它可迭代对象的迭代器:
COLOR_LIST = ["red", "blue", "green"]def my_color_generate(colors):for color in colors:# 如果是红蓝绿就跳过。if color in COLOR_LIST:continue# 粉色则生成两次。elif "pink" == color:yield color * 2# 其余颜色生成一次。else:yield colorcolors = ["blue", "yellow", "pink"]
for c in my_color_generate(colors):print(c)# yellow# pinkpink
- 定义一个不依赖数据存储的数据生成器:参考本章节 - < 2.2 基本使用的代码示例>
三、yield 和 class 定义的迭代器对比
动作 | class 实现的迭代器 | yield 生成器 |
---|---|---|
定义迭代器 | class Iterator: def __init__(self, *args): | def iter_fun(*args): |
构建迭代器 | Iterator(args) | iter_fun(args) |
next(iterator) | def __next__(self): return value | yield value |
StopIteration | raise StopIteration | return |
iter(iterator) | def __iter__(self): return self | 自动实现 |
四、结束语
“-------怕什么真理无穷,进一寸有一寸的欢喜。”
微信公众号搜索:饺子泡牛奶。