生成器&迭代器

最新推荐文章于 2025-08-23 02:58:37 发布

原创最新推荐文章于 2025-08-23 02:58:37 发布 · 177 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

Python学习笔记专栏收录该内容

18 篇文章

订阅专栏

本文详细介绍了Python中生成器的概念、作用及创建方法，包括使用列表生成式改写为生成器表达式，以及利用yield函数创建生成器。通过具体代码示例展示了生成器如何节省内存空间，适用于大数据处理场景。

生成器

首先我们会有一个疑问，python里面的生成器有什么用？
python在数据科学领域可以说是很火。我想有一部分的功劳就是它的生成器了吧。
我们知道我们可以用列表储存数据，可是当我们的数据特别大的时候建立一个列表的储存数据就会很占内存的。这时生成器就派上用场了。它可以说是一个不怎么占计算机资源的一种方法。
**定义：**当一个序列或者元祖中的数据特别大，但是我们又不需要同时使用这些数据，如果一次性把数据读到内存中，那么对计算机内存是一个很大的浪费，甚至可能会把内存撑爆了，python中有这样的一个数据结构，就是将我们需要的数据通过循环不断返回后续的元素，而不是一次性打开全部元素，从而节省大量的内存空间，这种机制就是 generator 生成器。

生成器的创建方法一：只要把一个列表生成式的 [ ] 改成 ( )

# 定义生成器方式一：
# 由列表推导式的方式外表由[]换成（）
g = (x * 3 for x in range(20) if x > 3)
print(type(g))
print(g)

# 方式1：通过调用__next__()的方式得到元素
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())

# 方式2：通过调用next()的方式得到元素 next(生成器对象) builtins内置函数
# 每调用一次next就会产生一个元素

print(next(g))
print(next(g))
print(next(g))
print(next(g))

运行结果：

<generator object <genexpr> at 0x00000226CAEED4F8>
12
15
18
21
24
27
30
33

生成器的创建方法二：使用yield函数创建生成器。
简单来说：只要在def中有yield关键字的就称为生成器

# 定义生成器的方式二：借助函数完成
# 只要函数中出现关键字yield，函数就不是函数啦，变成生成器啦

'''
步骤：
1、定义一个函数，函数中使用yield关键字
2、调用函数，接收调用的结果
3、得到的结果就是生成器
4、借助于next()，__next__()得到元素
'''

def func():
    n = 0
    while True:
        n += 1
        print('在函数中运行得到的数字（可忽略）：', n)
        yield n  # return n + 暂停

g = func()
print(g)
print(g.__next__())
print(g.__next__())
print(next(g))
print(next(g))

# 斐波那契数列
def fib(length):
    a, b = 0, 1
    n = 0
    while n < length:
        yield b
        a, b = b, a + b
        n += 1
    return '没有更多元素！！！' #return就是在得到StopInteration后的提示信息

gfib = fib(8)
print(next(gfib))
print(next(gfib))
print(next(gfib))
print(next(gfib))
print(next(gfib))
print(next(gfib))
print(next(gfib))
print(next(gfib))

运行结果：

<generator object func at 0x00000239574BD4F8>
在函数中运行得到的数字（可忽略）： 1
1
在函数中运行得到的数字（可忽略）： 2
2
在函数中运行得到的数字（可忽略）： 3
3
在函数中运行得到的数字（可忽略）： 4
4
1
1
2
3
5
8
13
21

应用实例1：

# 进程》线程》协程
# 迅雷

def take1(n):
    for i in range(n):
        print('这是第%d块转' % i)
        yield None
 
def take2(n):
    for i in range(n):
        print('这是第%d首歌' % i)
        yield None

g1 = take1(5)
g2 = take2(5)

while True:
    try:
        g1.__next__()
        g2.__next__()
    except:
        break

迭代器

迭代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。
特点：
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。
[1,2,3,4,7] ----》可迭代，但不是迭代器。
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。

可迭代的是不是肯定就是迭代器？不是的。
生成器是可迭代的，也是迭代器。
list是可迭代的，但不是迭代器。
list-----> iter(list)---->迭代器 next()
实例1：将列表转换为迭代器

list2=[1,98,4,5,32,556,3]
list2=iter(list2)  #将列表转换为迭代器
print(next(list2))
print(next(list2))
print(next(list2))
print(next(list2))

运行结果：

迭代器的对象：1、生成器 2、集合列表字典元组字符串
实例2：如何判断一个对象是否可迭代

from collections.abc import Iterable

list1 = [1, 4, 2, 8, 6, 9]
result = isinstance(list1, Iterable)
print(result)
# True

turle1 = (1, 4, 3, 7)
result = isinstance(turle1, Iterable)
print(result)
# True

result = isinstance(100, Iterable)
print(result)
# False

set1 = {'ddf', 'frr', 'deg', 'bhu', 'fse', 'lly', 'deg'}
result = isinstance(set1, Iterable)
print(result)
print(set1)
# True
# {'bhu', 'deg', 'fse', 'ddf', 'lly', 'frr'}

result = isinstance('asdfghhjkl;', Iterable)
print(result)
# True

dict1 = {'name1': 'lly', 'age1': 18, 'name2': 'yrr', 'age2': 18, 'name3': 'zxy', 'age': 19}
result = isinstance(dict1, Iterable)
print(result)
# True

g = (x + 1 for x in range(8))
result = isinstance(g, Iterable)
print(result)
# True