北京优秀的网站建设公司,自建网站做淘宝联盟,美食介绍网站模板,大庆seoPython迭代器与生成器
迭代器
什么是迭代器
首先迭代是指python中访问元素的一种方式#xff0c;迭代器是一个可以记住遍历位置的对象#xff0c;因此不会像列表那样一次性全部生成#xff0c;而是可以等到用的时候才生成#xff0c;因此节省了大量的内存资源
可迭代对…Python迭代器与生成器
迭代器
什么是迭代器
首先迭代是指python中访问元素的一种方式迭代器是一个可以记住遍历位置的对象因此不会像列表那样一次性全部生成而是可以等到用的时候才生成因此节省了大量的内存资源
可迭代对象
类似于list、tuple、str 等类型的数据可以使用for循环遍历语法从其中依次拿到数据并进行使用我们把这个过程称为遍历也称迭代。python中可迭代的对象有list列表、tuple元组、dirt字典、str字符串set等
除此之外还可以通过instance来判断平常使用的字符串列表元组和字典等若s是一个**Iterable可迭代对象**则结果返回为True
# 导入Iterable,Iterator模块
from collections.abc import Iterable,Iterators abcdefgh
print(isinstance(s,Iterable)) # True
print(isinstance(s,Iterator)) # Falsel [1,2,3,4,5,6,7,8]
print(isinstance(s,Iterable)) # True
print(isinstance(s,Iterator)) # Falset (1,2,3,4,5,6,7,8)
print(isinstance(s,Iterable)) # True
print(isinstance(s,Iterator)) # False
只是名义上的 可迭代对象/迭代器 还不够具有相应的功能才算是完整。首先对于__iter__方法它需要具有一个可以返回一个迭代器对象的功能这个对象可以是自己(前提是本身就是一个迭代器也可以是其它迭代器对于__next__方法它是用于获取迭代器Iterator中的下一个元素。它的基本语法是
迭代器的应用
next(iterator[, default])iterator 是要获取下一个元素的迭代器对象。default 是一个可选参数表示在迭代器耗尽时返回的默认值。如果不提供 default 参数且迭代器耗尽则会引发 StopIteration 异常。
以下是一些next()方法的用例
# 创建一个列表和迭代器对象
my_list [1, 2, 3, 4, 5]
my_iterator iter(my_list)# 逐个获取迭代器中的元素
print(next(my_iterator)) # 输出: 1
print(next(my_iterator)) # 输出: 2
print(next(my_iterator)) # 输出: 3# 使用默认值处理迭代器耗尽的情况
print(next(my_iterator, End)) # 输出: 4
print(next(my_iterator, End)) # 输出: 5
print(next(my_iterator, End)) # 输出: End
next() 方法在循环中经常被用来逐个处理迭代器中的元素直到迭代器耗尽或满足某个条件。这种方式可以避免一次性加载整个序列到内存中节省资源并提高效率
生成器
什么是生成器
生成器generator也是一种迭代器在每次迭代时返回一个值直到抛出 StopIteration异常。它有两种构造方式
生成器表达式
和列表推导式的定义类似生成器表达式使用 () 而不是 [] 比如
print((i for i in range(5)))
# generator object genexpr at 0x00000235C67B9700nums (i for i in range(5))
for num in nums:print(num)
# 0 1 2 3 4print(isinstance(nums, Iterable)) # True 表示nums属于可迭代对象
print(isinstance(nums, Iterator)) # True 表示nums属于迭代器生成器函数
含有 yield 关键字的函数调用该函数时会返回一个生成器。生成器对象可以通过调用其方法例如 next()来逐步执行函数体中的代码每次调用会产生一个值并在遇到 yield 语句时暂停执行。
def my_generator():for i in range(10):print(i)if i 7:yield 大于7# 使用生成器函数
gen my_generator()
for i in gen:print(i)
# 0 1 2 3 4 5 6 7 8大于7 9大于7# __next__方法
gen my_generator()
print(next(gen))
print(next(gen))
print(next(gen))# 0 1 2 3 4 5 6 7 8大于7 9大于7 超过最大值然后报错
# print(next(gen))
# ^^^^^^^^^
# StopIteration
调用该函数的时候不会立即执行代码而是返回了一个生成器对象 当使用 next() (在 for 循环中会自动调用 next() ) 作用于返回的生成器对象时函数 开始执行在遇到 yield 的时候会『暂停』并返回当前的迭代值 当再次使用 next() 的时候函数会从原来『暂停』的地方继续执行直到遇到 yield语 句如果没有 yield 语句则抛出异常
简而言之就是 next 使函数执行 yield 使函数暂停
.send()方法
当我们使用 send(value) 方法发送一个值到生成器时该值会成为生成器函数中对应 yield 表达式的结果并且生成器会从暂停的位置继续执行
def my_generator():x yield Ready # 第一次调用 send() 方法将被忽略yield fReceived: {x}gen my_generator()
print(next(gen)) # 输出: Ready
print(gen.send(Hello)) # 输出: Received: Hello.close()方法
我们可以使用 close() 方法来关闭一个生成器。生成器被关闭后再次调用 next() 方法不管能否遇到 yield 关键字都会抛出 StopIteration 异常
def my_generator():for i in range(10):print(i)if i 7:yield 大于7# 使用生成器函数
gen my_generator()
gen.close() # 关闭生成器
print(next(gen))
# StopIteration 报错
