python中的迭代器和生成器

一：迭代器

1.迭代器协议：是指迭代器对象必须提供一个next()方法，执行该方法要么返回迭代中的下一项，要么就引起一个StopIteration异常来中止迭代（如下一项不存在的时候），只能向后走而不能向前退。

2.可迭代对象：满足迭代器协议的对象（python中通过对象内部定义一个__iter__()方法来实现迭代器对象）

列表，字符串，元组等并不是迭代器对象，只是在使用for循环，max等工具时调用了他们内部的__iter__()方法返回了一个可迭代对象来进行迭代的操作（for循环会自动捕捉StopIteration异常来中止迭代）。

x=[1,2,3,4,5,6]
iter_test=x.__iter__()
print(iter_test)
print(iter_test.__next__())
print(iter_test.__next__())
print(iter_test.__next__())
print(iter_test.__next__())
print(iter_test.__next__())
print(iter_test.__next__())

#利用python自带的next（）内置方法也可以,效果等同于__next__()
print(next(iter_test))

结果：<list_iterator object at 0x000001EAF26E8E48>
1
2
3
4
5
6

 二: 生成器

1.生成器自动实现了可迭代协议，可以理解为生成器就是可迭代对象。

2.生成器函数是在函数中使用yield时返回的时生成器对象。

def test():
    print("aa")
    print("bb")
    yield [1,2]#当运行至此时，函数挂起，当再次运行next方法时，函数会从当前位置继续运行。
    print("dsa")
    yield 2
    print("fsd")
    yield 3
res=test()
print(res.__next__())
print(res.__next__())
print(res.__next__())
# 输出：aa
# bb
# [1, 2]
# dsa
# 2
# fsd
# 3

#三元运算
a=2
res=1 if a==2 else 3
print(res)
#列表解析
l=[i for i in range(10)]
#三元运算和列表解析结合
l=[i for i in range(10) if i>5]
#l=[i for i in range(10) if i>5 else 3]此时不可以，没有四元表达式
#把列表解析的[]换成（），就会得到生成器表达式
l=(i for i in range(10))
l.__next__()
sum(i for i in range(10))#利用生成器表达式可减少内存占用

3.发蛋案例感受生成器函数好处：

# #缺点1：占空间大
# #缺点2：效率低
# def xiadan():
#     ret=[]
#     for i in range(100):
#         ret.append(i)
#     return ret
# print(xiadan())

#生成器函数,来一个给一个
def xiadan():
    for i in range(100):
        yield i
res=xiadan()
print(res.__next__())
print(res.__next__())

4.其他例子（注意，生成器只能被迭代一次）：

#占用内存大
sum([i for i in range(10000)])
#占很少内存
sum(i for i in range(10000))

#假设文件内容为：
{'name':'weq','population':20}
{'name':'ewqe','population':5}
{'name':'fsd','population':6}
def get_pop():
    with open('b.txt','r') as f:
        for i in f:
            yield i
g=get_pop()
s1=eval(g.__next__())#将字符串转换为字典
print(s1['population'])


#统计总人口
sum(eval(i)['population'] for i in g)

 

转载于:https://www.cnblogs.com/wangdamao/p/10449703.html