Python迭代器iterator生成器generator使用解析

1.迭代根据记录的前面的元素的位置信息去访问后续的元素的过程-遍历迭代2.可迭代对象iter

1. 迭代

根据记录的前面的元素的位置信息 去访问后续的元素的过程 -遍历 迭代

2. 可迭代对象 iterable

如何判断可迭代对象的3种方式

• 能够被迭代访问的对象 for in
• 常用可迭代对象-list tuple str
• from collections import Iterable
• isinstance(obj, Iterable)

3. 可迭代对象

可迭代对象通过__iter__方法提供一个 可以遍历对象中数据的工具-迭代器

iter(可迭代对象) 可以获取可迭代对象的迭代器

通过迭代器可以迭代访问 数据

next(迭代器) ===== 迭代器对象.__next__()

可迭代对象的本质　提供了一个迭代器(遍历可迭代对象中的数据)

如何获取可迭代对象中的迭代器　迭代器对象　= iter(可迭代对象)

如果通过迭代器访问可迭代对象中下一个元素　元素的值　＝　next(迭代器对象)

如果迭代器遍历完成　抛出 停止迭代－异常StopIteration

如果需要实现一个迭代器 就需要实现__next__()

4. 迭代器 iterator

-- 迭代器访问可迭代对象中数据 判断对象是否是迭代器类型

from collections import Iterator
isinstance(obj, Iterator)

自己实现

迭代器本身也是可迭代对象 __iter__() 提供迭代器(self)

下一个元素的值 = next(迭代器) =====> __next__()

实现一个可迭代对象

from collections import Iterable
from collections import Iterator
import time


class MylistIterator(object):
 """这是Mylist类型的对应迭代器类型 """
 def __init__(self,data):
 # 需要被便利的数据
 self.data = data
 # 保存用户访问的位置
 self.index = 0

 def __iter__(self):
 """python规定 迭代器是一种可迭代对象"""
 return self

 def __next__(self):
 """next(ml_iterator) 相当于调用迭代器对象的.__next__()"""
 if self.index < len(self.data):
 ret = self.data[self.index]
 self.index += 1
 return ret
 else:
 # 访问完成 应该抛出异常
 raise StopIteration

class Mylist(object):
 """可迭代对象"""
 def __init__(self):
 self.data = [1,2,3,4,5]

 def __iter__(self):
 """提供迭代器"""
 # 返回迭代器对象
 mliter = MylistIterator(self.data)
 return mliter

# ml是一个可迭代类型
ml = Mylist()

# 获取可迭代对象的 迭代器对象
ml_iter = iter(ml)
print(isinstance(ml_iter, Iterator))
for i in ml:
 print(i)
 time.sleep(1)

"""
１　可迭代对象的本质　提供了一个迭代器(遍历可迭代对象中的数据)

２　如何获取可迭代对象中的迭代器　迭代器对象　= iter(可迭代对象)
 实际上相当于 可迭代对象.__iter__()
３　如果通过迭代器访问可迭代对象中下一个元素　元素的值　＝　next(迭代器对象)
　　　　　　　　　　　　　　　　　　如果迭代器遍历完成　抛出 停止迭代－异常StopIteration
"""
print(isinstance(ml, Iterable))

用迭代器完成斐波那契数列（难点在next）

"""兔子队列 某一项的值是前两项的和
1 1 2 3 5 8
"""

class Fib(object):
 def __init__(self,n):
 """初始化操作"""
 # n代表数列的长度
 self.n = n

 # 下标记录
 self.index = 0

 self.number1 = 0
 self.number2 = 1

 def __iter__(self):
 return self

 def __next__(self):
 """ｎｅｘｔ(迭代器)　　＝＝＝　.__next__()"""
 if self.index < self.n:
 ret = self.number1
 self.number1,self.number2 = self.number2,self.number2+self.number1
 self.index += 1
 return ret
 else:
 raise StopIteration

# list() tuple()都可以接收迭代器　并且将遍历到的数据存储到集合中
print(list(Fib(10)))
#
# # 打印斐波那契数列的前10项的值
# # for i in Fib(10):
# # print(i)
# # 1 通过iter函数获取可迭代对象 Iterable 的迭代器 iterator
# ml_iterator = iter(Fib(1000))
#
# # 2 在循环内部不断调用next(迭代器) 获取下一个元素的值
# # 3 如果迭代完成 会抛出一个停止迭代的异常StopIteration

5. 生成器 generator

生成器是一种特殊的迭代器 --- 是迭代器, 并且有自己的特点

1 创建生成器表达式 [] ----》 （x for x in range(100)）

2 生成器函数

凡是有yield关键字的函数都不是普通函数了 而是生成器函数

# 列表推导式
lis=[x for x in range(10)]
print(lis)

# 生成器表达式 中括号变圆括号
data=(x for x in range(10))
print(data)
# 遍历data
for i in data:
 print(i)

结果：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
<generator object <genexpr> at 0x02AE7120>
1
3
5
7
9

6. yield关键字的作用

挂起当前函数 将后面表达式的值 返回到调用生成器的地方

接收数据 并唤醒当前函数 并且紧接着上次运行的地址继续执行

7. 唤醒生成器的两种方式

生成器.send("数据")

next(生成器) === 生成器.send(None)

在第一次调用生成器对象的是 必须使用next()

在后续的情况下 send和next可以混用

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。