python迭代器与生成器实际用途_python迭代器和生成器

最新推荐文章于 2024-10-15 19:27:56 发布

曹将

最新推荐文章于 2024-10-15 19:27:56 发布

阅读量1.4k

点赞数

文章标签： python迭代器与生成器实际用途

本文链接：https://blog.youkuaiyun.com/weixin_35773740/article/details/112047560

版权

python迭代器和生成器

一、迭代器

1、什么是迭代器

说迭代器之前有个相关的名词需要介绍：可迭代对象：只要定义了iter()方法，我们就说该对象是可迭代对象，并且可迭代对象能提供迭代器。

在Python中，for循环可以用于Python中的任何类型，包括列表、元祖等等，实际上，for循环可用于任何“可迭代对象”，这其实就是迭代器。

迭代器是一个实现了迭代器协议的对象，Python中的迭代器协议就是有next方法的对象会前进到下一结果，而到一系列结果的末尾，则会引发StopIteration。任何这类的对象在Python中都可以用for循环或其他遍历工具迭代，迭代工具内部会在每次迭代时调用next方法，并且捕捉StopIteration异常来确定何时离开。

2、为什么要用迭代器

使用迭代器一个显而易见的好处就是：每次只从对象中读取一条数据，不会造成内存的过大开销。

比如要逐行读取一个文件的内容，利用readlines()方法，我们可以这么写：

for line in open("test.txt").readlines():

print line

这样虽然可以工作，但不是最好的方法。因为他实际上是把文件一次加载到内存中，然后逐行打印。当文件很大时，这个方法的内存开销就很大了。

利用file的迭代器，我们可以这样写：

for line in open("test.txt"): #use file iterators

print line

这是最简单也是运行速度最快的写法，他并没显式的读取文件，而是利用迭代器每次读取下一行。

3、如何使用迭代器

使用内建的工厂函数iter(iterable)可以获取迭代器对象(对象包含iter方法即可迭代，iter方法返回一个迭代器)：

>>> lst = range(5)

>>> it = iter(lst)

>>> it

使用next()方法访问下一个元素

>>> it.next()

python处理迭代器越界是抛出StopIteration异常

>>> it.next()

>>> it.next

>>> it.next()

Traceback (most recent call last):

File "", line 1, in

StopIteration

了解了StopIteration，可以使用迭代器进行遍历了：

lst = range(5)

it = iter(lst)

try:

while True:

val = it.next()

print val

except StopIteration:

pass

for语法糖：

>>> lst = range(5)

>>> for i in lst:

... print i

...

二、生成器

1、什么是生成器

生成器函数在Python中与迭代器协议的概念联系在一起。简而言之，包含yield语句的函数会被特地编译成生成器。当函数被调用时，他们返回一个生成器对象，这个对象支持迭代器接口。函数也许会有个return语句，但它的作用是用来yield产生值的。

2、为什么要使用生成器

Python使用生成器对延迟操作提供了支持。所谓的延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。所以生成器也有了如下的好处： - 1、节省资源消耗，和声明序列不同的是生成器在不使用的时候几乎不占内存，也没有声明计算过程！ - 2、使用的时候，生成器是随用随生成，用完即刻释放，非常高效！ - 3、可在单线程下实现并发运算处理效果。

3、如何使用生成器

使用斐波那契数列的例子来说明一下：

def fab(max):

n, a, b = 0, 0, 1

while n < max:

yield b

a, b = b, a + b

n = n+ 1

#执行

for n in fab(5):

print n

该函数通过yield关键字来返回结果，每一次迭代就停止于yield语句处，一直到下一次迭代。

生成器也是一种迭代器，简单地讲，yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 fab(5) 不会执行 fab 函数，而是返回一个 iterable 对象！在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

也可以手动调用 fab(5) 的 next() 方法(因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法)，这样我们就可以更清楚地看到 fab 的执行流程：

>>> f = fab(3)

>>> f.next()

Traceback (most recent call last):

File "", line 1, in

StopIteration

4、return的作用

在一个生成器中，如果没有return，则默认执行到函数完毕；如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。例如：

def read_file(fpath):

BLOCK_SIZE = 1024

with open(fpath, 'rb') as f:

while True:

block = f.read(BLOCK_SIZE)

if block:

yield block

else:

return

如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取。