Python基础 G-01 列表生成式&生成器&迭代器

列表生成式&生成器&迭代器

一、列表生成式

Python内置的一种极其强大的生成列表 list 的表达式。返回结果必须是列表。

1.1、基本语法

[ 变量表达式 for 变量 in 表达式 ]

1.2、示例

a = [x ** 2 for x in range(1, 10)]
b = [x * x for x in range(1, 11) if x % 2 == 0]
c = [m + n for m in 'ABC' for n in '123']
d = {'Java': "99", 'C': "99", 'C++': "99"}
L = [k + '=' + v for k, v in d.items()]
print(a)
print(b)
print(c)
print(L)

1.3、说明

这样的写法就叫做列表生成式。通过列表生成式，可以直接创建一个列表。

二、生成器（generator）

2.1、背景

前面我们学习到了，通过列表生成式，我们可以直接创建一个列表。但是，受到内存的限制，列表容量是有限的，当列表元素很大的时候，会很浪费内存空间。（如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了）。为了解决这种问题，在Python中，提供了生成器（generator），生成列表的前几个元素，当需要用到后面的时候，在计算生成。从而节省内存空间。

2.2、定义

在Python中，这种一边循环一边计算后面元素的机制，称为生成器：generator。

2.3、使用

2.3.1、如何创建生成器

a、使用（）类似列表生成式的生成器

使用方法

把列表生成式的中括号 [] 修改为圆括号即可 （）

代码示例

a = (x ** 2 for x in range(1, 10))
b = (x * x for x in range(1, 11) if x % 2 == 0)
c = (m + n for m in 'ABC' for n in '123')
d = {'Java': "99", 'C': "99", 'C++': "99"}
L = (k + '=' + v for k, v in d.items())
print(a)
print(b)
print(c)
print(L)

输出结果：

<generator object <genexpr> at 0x1052ec2b0>
<generator object <genexpr> at 0x1052ec468>
<generator object <genexpr> at 0x1052ec4c0>
<generator object <genexpr> at 0x1052ec518>

b、使用包含 yield 关键字的函数生成器

背景

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：1, 1, 2, 3, 5, 8, 13, 21, 34, … 这个就无法使用类似列表生成式定义。就要使用到函数生成器
实现100以内的斐波那契数代码：

def fib(max):
    a,b = 0,1
    n = 0  # 斐波那契数
    while n < max:
        n = a + b
        a = b # 把b的旧值给到a
        b = n # 新的b = a + b(旧b的值)
        print(n)
fib(100)

使用方法

在上述代码中，添加 yield 关键字，我们就可以将该函数变为函数生成器。

代码示例

def fib(max):
    a,b = 0,1
    n = 0  # 斐波那契数
    while n < max:
        n = a + b
        a = b # 把b的旧值给到a
        b = n # 新的b = a + b(旧b的值)
        #print(n)
        yield n # 程序走到这，就会暂停下来，返回n到函数外面，直到被next方法调用时唤醒
f = fib(100) # 注意这句调用时，函数并不会执行，只有下一次调用next时，函数才会真正执行
print(f)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())

输出结果：

1
2
3
5

说明

这就是定义generator的另一种方法。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：
这里，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语句暂停并返回数据到函数外，再次被next()调用时从上次返回的yield语句处继续执行。

2.3.2、如何访问生成器中的元素

a、使用 next 调用元素

作用:

• next 方法会一个个的返回元素值，调用一次，返回一次下一个位置的元素。
• 该方法在没有元素可以调用的时候，会返回 StopIteration 的错误

代码示例

>>> g = (x * x for x in range(10))
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "", line 1, in 
StopIteration

b、使用for循环遍历

作用

• 上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代(遍历)对象
• 通过for循环来迭代它，就不需要关心StopIteration的错误了。

代码示例

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
...
0
1
4
9
16
25
36
49
64
81

三、迭代器

3.1、可迭代对象（Iterable）

3.1.1、什么是可迭代对象

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：

• 一类是集合数据类型，如list、tuple、dict、set、str等；
• 一类是generator，包括生成器和带yield的generator function。
  这些可以直接作用于for循环的对象统称为可迭代对象：Iterable，可迭代的意思就是可遍历、可循环。

3.1.2、如何判断可迭代对象

可以使用isinstance()判断一个对象是否是Iterable对象：

代码示例

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

3.2、迭代器（Iterator）

3.2.1、说明

• 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()。

3.2.2、创建迭代器

a、创建普通迭代器

字符串，列表或元组对象都可用于创建迭代器：

>>> list=[1,2,3,4]
>>> it = iter(list)    # 创建迭代器对象
>>> print (next(it))   # 输出迭代器的下一个元素
1
>>> print (next(it))
2
>>>

b、创建类迭代器

说明

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（Python 2 里是 next()）会返回下一个迭代器对象。
  创建一个返回数字的迭代器，初始值为 1，逐步递增 1：

代码示例

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    x = self.a
    self.a += 1
    return x
 
myclass = MyNumbers()
myiter = iter(myclass)
 
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))

输出结果：

1
2
3
4
5

补充

StopIteration异常用于标识迭代的完成，防止出现无限循环的情况，在 __next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。
代码示例：

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    if self.a <= 20:
      x = self.a
      self.a += 1
      return x
    else:
      raise StopIteration
 
myclass = MyNumbers()
myiter = iter(myclass)
 
for x in myiter:
  print(x)

3.2.3、迭代器元素访问

使用 next() 函数

#!/usr/bin/python3
 
import sys         # 引入 sys 模块
 
list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象
 
while True:
    try:
        print (next(it))
    except StopIteration:
        sys.exit()

使用常规for语句进行遍历

#!/usr/bin/python3
 
list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象
for x in it:
    print (x, end=" ")

3.2.4、总结

• 凡是可作用于for循环的对象都是Iterable类型；
• 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；
• 集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。