python核心技术与实战学习笔记（十一）：深入理解迭代器与生成器

最新推荐文章于 2025-01-21 09:36:24 发布

Andrewings

最新推荐文章于 2025-01-21 09:36:24 发布

阅读量245

点赞数

分类专栏： python 文章标签：迭代器生成器

本文链接：https://blog.youkuaiyun.com/shichensuyu/article/details/99316355

版权

python 专栏收录该内容

17 篇文章

订阅专栏

本文深入探讨Python中迭代器与生成器的概念、作用及使用技巧，对比容器与生成器，详解生成器如何节省内存并提高效率，附带代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

11.1 容器，可迭代对象和迭代器

容器：对象的集合，如列表、元组、字典、集合
所有容器都是可迭代的(iterable)
迭代器(iterator)提供了next()方法，调用这个方法，要么得到容器的下一个对象，要么得到一个StopIteration的错误。next()可以一个不漏地一个一个拿到容器中的所有对象

11.2 生成器

11.2.1 生成器的概念：

通过列表解析我们可以生成一个列表来访问列表中的值，但如果我们仅仅需要访问前面几个元素，若采用列表解析的话，则其实生成完整的列表浪费了很多空间。所以，若列表元素能按照某种算法推算出来，我们就大可不必创建完整的list，一边循环一边计算，称为生成器generator
生成器是迭代器的一种，使用yield返回，每次调用yield会暂停
迭代器是一个有限集合，生成器则可以成为一个无限集，配合next(generator)生成下一个对象

11.2.2 生成器的作用

不同于一般的容器会包含所有计算要用到的对象，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快地处理前几个返回值；同时，生成器使得函数可以“保留现场”，当下一次执行该函数是从上一次结束的地方开始，而不是重新再来

11.2.3 生成器的使用

生成器是特殊的迭代器，在python的写法有：

使用小括号括起来，如(i for i in range(100000000))，即初始化了一个生成器
使用yield代替return，函数变为生成器；在外部配合next()函数生成下一个对象

示例1

以下以验证 $1+2+3+...)^2$ = $1^3 + 2^3 + 3^3 + ...$ 这个公式的代码为例，说明生成器的使用方法。

def generator(k):
    i = 1
    while True:
        yield i ** k
        i += 1

gen_1 = generator(1)
gen_3 = generator(3)  # 传入k=3
print(gen_1)
print(gen_3)

def get_sum(n):
    sum_1, sum_3 = 0, 0
    for i in range(n):  # 每一轮，两个生成器都生成下一个对象以供使用
        next_1 = next(gen_1)
        next_3 = next(gen_3)
        print('next_1 = {}, next_3 = {}'.format(next_1, next_3))
        sum_1 += next_1
        sum_3 += next_3
    print(sum_1 * sum_1, sum_3)

get_sum(8)

########## 输出 ##########

<generator object generator at 0x000001E70651C4F8>
<generator object generator at 0x000001E70651C390>
next_1 = 1, next_3 = 1
next_1 = 2, next_3 = 8
next_1 = 3, next_3 = 27
next_1 = 4, next_3 = 64
next_1 = 5, next_3 = 125
next_1 = 6, next_3 = 216
next_1 = 7, next_3 = 343
next_1 = 8, next_3 = 512
1296 1296

示例2

给定一个list和一个数字，返回该数字在list中的下标位置

常规写法：

def index_normal(L, target):
    result = []
    for i, num in enumerate(L):
        if num == target:
            result.append(i)
    return result

print(index_normal([1, 6, 2, 4, 5, 2, 8, 6, 3, 2], 2))

########## 输出 ##########

[2, 5, 9]

使用生成器的写法：

def index_generator(L, target):
    for i, num in enumerate(L):
        if num == target:
            yield i

print(list(index_generator([1, 6, 2, 4, 5, 2, 8, 6, 3, 2], 2)))

########## 输出 ##########

[2, 5, 9]

示例3

给定两个序列，判断第一个序列s是否为第二个序列t的子序列。

常规写法：利用两个指针i,j分别指向两个序列，依次遍历第二个序列，判断t[j] == s[i]，若条件成立则两个指针后移一位，若不成立则继续遍历t序列；当i $= =$ len(s)时，即遍历完序列s后，返回True

使用迭代器和生成器的写法：

def is_subsequence(a, b):
    b = iter(b)   # 使用迭代器
    return all(i in b for i in a)  # 使用生成器

print(is_subsequence([1, 3, 5], [1, 2, 3, 4, 5]))
print(is_subsequence([1, 4, 3], [1, 2, 3, 4, 5]))

########## 输出 ##########

True
False

仅用3行代码就完成了目标函数的定义。其中，(i in b) for i in a实际上使用了生成器；all()函数判断iterable对象的元素是否全为True

对于i in iterator的用法，举个例子就清楚了：

b = (i for i in range(5))  # b = iter([0,1,2,3,4])也一样
print(2 in b)
print(3 in b)
print(0 in b)
=========================
True
True
False

相比与第一种解法，使用生成器和迭代器使得在不知道序列的长度的前提下，也能优雅地进行遍历操作，不用操心控制越界报错的问题