python 產生器和迭代器有這篇就夠了

標籤：back   dict   代參   學習   none   注意   個數   運算式   post   

　　本節主要記錄一下列表產生式，產生器和迭代器的知識點

　　清單產生器

　　首先舉個例子

現在有個需求，看列表 [0，1，2，3，4，5，6，7，8，9]，要求你把列表裡面的每個值加1，你怎麼實現呢？

方法一（簡單）：

info = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]b = []# for index,i in enumerate(info):#     print(i+1)#     b.append(i+1)# print(b)for index,i in enumerate(info):    info[index] +=1print(info)

方法二（一般）：

info = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]a = map(lambda x:x+1,info)print(a)for i in a:    print(i)

方法三（進階）：

info = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]a = [i+1 for i in range(10)]print(a)

　　產生器什麼是產生器？

　　通過列表產生式，我們可以直接建立一個列表，但是，受到記憶體限制，列表容量肯定是有限的，而且建立一個包含100萬個元素的列表，不僅佔用很大的儲存空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。

　　所以，如果列表元素可以按照某種演算法推算出來，那我們是否可以在迴圈的過程中不斷推算出後續的元素呢？這樣就不必建立完整的list，從而節省大量的空間，在Python中，這種一邊迴圈一邊計算的機制，稱為產生器：generator

　　產生器是一個特殊的程式，可以被用作控制迴圈的迭代行為，python中產生器是迭代器的一種，使用yield傳回值函數，每次調用yield會暫停，而可以使用next()函數和send()函數恢複產生器。

　　產生器類似於傳回值為數組的一個函數，這個函數可以接受參數，可以被調用，但是，不同於一般的函數會一次性返回包括了所有數值的數組，產生器一次只能產生一個值，這樣消耗的記憶體數量將大大減小，而且允許調用函數可以很快的處理前幾個傳回值，因此產生器看起來像是一個函數，但是表現得卻像是迭代器

python中的產生器

　　要建立一個generator，有很多種方法，第一種方法很簡單，只有把一個列表產生式的[]中括弧改為（）小括弧，就建立一個generator

　　舉例如下：

#列表產生式lis = [x*x for x in range(10)]print(lis)#產生器generator_ex = (x*x for x in range(10))print(generator_ex)結果：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]<generator object <genexpr> at 0x000002A4CBF9EBA0>

　　那麼建立lis和generator_ex，的區別是什麼呢？從表面看就是[  ]和（）,但是結果卻不一樣，一個列印出來是列表（因為是列表產生式），而第二個列印出來卻是<generator object <genexpr> at 0x000002A4CBF9EBA0>，那麼如何列印出來generator_ex的每一個元素呢？

　　如果要一個個列印出來，可以通過next（）函數獲得generator的下一個傳回值：

#產生器generator_ex = (x*x for x in range(10))print(next(generator_ex))print(next(generator_ex))print(next(generator_ex))print(next(generator_ex))print(next(generator_ex))print(next(generator_ex))print(next(generator_ex))print(next(generator_ex))print(next(generator_ex))print(next(generator_ex))print(next(generator_ex))結果：0149162536496481Traceback (most recent call last):  File "列表產生式.py", line 42, in <module>    print(next(generator_ex))StopIteration

　　大家可以看到，generator儲存的是演算法，每次調用next(generaotr_ex)就計算出他的下一個元素的值，直到計算出最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤，而且上面這樣不斷調用是一個不好的習慣，正確的方法是使用for迴圈，因為generator也是可迭代對象：

#產生器generator_ex = (x*x for x in range(10))for i in generator_ex:    print(i)    結果：0149162536496481

　　所以我們建立一個generator後，基本上永遠不會調用next()，而是通過for迴圈來迭代，並且不需要關心StopIteration的錯誤，generator非常強大，如果推算的演算法比較複雜，用類似列表產生式的for迴圈無法實現的時候，還可以用函數來實現。

比如著名的斐波那契數列，除第一個和第二個數外，任何一個數都可以由前兩個相加得到：

1，1，2，3，5，8，12，21，34.....

斐波那契數列用列表產生式寫不出來，但是，用函數把它列印出來卻狠容易：

#fibonacci數列def fib(max):    n,a,b =0,0,1    while n < max:        a,b =b,a+b        n = n+1    return ‘done‘a = fib(10)print(fib(10))

　　a,b = b ,a+b  其實相當於 t =a+b ,a =b ,b =t  ，所以不必寫顯示寫出臨時變數t，就可以輸出斐波那契數列的前N個數字。上面輸出的結果如下：

1123581321345511235813213455done

　　仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

　　也就是說上面的函數也可以用generator來實現，上面我們發現，print(b)每次函數運行都要列印，占記憶體，所以為了不佔記憶體，我們也可以使用產生器，這裡叫yield。如下：

def fib(max):    n,a,b =0,0,1    while n < max:        yield b        a,b =b,a+b        n = n+1    return ‘done‘a = fib(10)print(fib(10))

　　但是返回的不再是一個值，而是一個產生器，和上面的例子一樣，大家可以看一下結果：

<generator object fib at 0x000001C03AC34FC0>

　　那麼這樣就不佔記憶體了，這裡說一下generator和函數的執行流程，函數是順序執行的，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次被next（）調用時候從上次的返回yield語句處急需執行，也就是用多少，取多少，不佔記憶體。

def fib(max):    n,a,b =0,0,1    while n < max:        yield b        a,b =b,a+b        n = n+1    return ‘done‘a = fib(10)print(fib(10))print(a.__next__())print(a.__next__())print(a.__next__())print("可以順便幹其他事情")print(a.__next__())print(a.__next__())結果：<generator object fib at 0x0000023A21A34FC0>112可以順便幹其他事情35

　　在上面fib的例子，我們在迴圈過程中不斷調用yield，就會不斷中斷。當然要給迴圈設定一個條件來退出迴圈，不然就會產生一個無限數列出來。同樣的，把函數改成generator後，我們基本上從來不會用next()來擷取下一個傳回值，而是直接使用for迴圈來迭代：

def fib(max):    n,a,b =0,0,1    while n < max:        yield b        a,b =b,a+b        n = n+1    return ‘done‘for i in fib(6):    print(i)    結果：112358

　　但是用for迴圈調用generator時，發現拿不到generator的return語句的傳回值。如果拿不到傳回值，那麼就會報錯，所以為了不讓報錯，就要進行異常處理，拿到傳回值，如果想要拿到傳回值，必須捕獲StopIteration錯誤，傳回值包含在StopIteration的value中：

def fib(max):    n,a,b =0,0,1    while n < max:        yield b        a,b =b,a+b        n = n+1    return ‘done‘g = fib(6)while True:    try:        x = next(g)        print(‘generator: ‘,x)    except StopIteration as e:        print("產生器傳回值：",e.value)        break結果：generator:  1generator:  1generator:  2generator:  3generator:  5generator:  8產生器傳回值： done

還可以通過yield實現在單線程的情況下實現並發運算的效果

import timedef consumer(name):    print("%s 準備學習啦!" %name)    while True:       lesson = yield       print("開始[%s]了,[%s]老師來講課了!" %(lesson,name))def producer(name):    c = consumer(‘A‘)    c2 = consumer(‘B‘)    c.__next__()    c2.__next__()    print("同學們開始上課 了!")    for i in range(10):        time.sleep(1)        print("到了兩個同學!")        c.send(i)        c2.send(i)結果：A 準備學習啦!B 準備學習啦!同學們開始上課 了!到了兩個同學!開始[0]了,[A]老師來講課了!開始[0]了,[B]老師來講課了!到了兩個同學!開始[1]了,[A]老師來講課了!開始[1]了,[B]老師來講課了!到了兩個同學!開始[2]了,[A]老師來講課了!開始[2]了,[B]老師來講課了!到了兩個同學!開始[3]了,[A]老師來講課了!開始[3]了,[B]老師來講課了!到了兩個同學!開始[4]了,[A]老師來講課了!開始[4]了,[B]老師來講課了!到了兩個同學!開始[5]了,[A]老師來講課了!開始[5]了,[B]老師來講課了!到了兩個同學!開始[6]了,[A]老師來講課了!開始[6]了,[B]老師來講課了!到了兩個同學!

　　由上面的例子我麼可以發現，python提供了兩種基本的方式

   產生器函數：也是用def定義的，利用關鍵字yield一次性返回一個結果，阻塞，重新開始

   產生器運算式：返回一個對象，這個對象只有在需要的時候才產生結果

——產生器函數

為什麼叫產生器函數？因為它隨著時間的推移產生了一個數值隊列。一般的函數在執行完畢之後會返回一個值然後退出，但是產生器函數會自動掛起，然後重新拾起急需執行，他會利用yield關鍵字關起函數，給調用者返回一個值，同時保留了當前的足夠多的狀態，可以使函數繼續執行，產生器和迭代協議是密切相關的，可迭代的對象都有一個__next__()__成員方法，這個方法要麼返回迭代的下一項，要買引起異常結束迭代。

# 函數有了yield之後，函數名+（）就變成了產生器# return在產生器中代表產生器的中止，直接報錯# next的作用是喚醒並繼續執行# send的作用是喚醒並繼續執行，發送一個資訊到產生器內部‘‘‘產生器‘‘‘def create_counter(n):    print("create_counter")    while True:        yield n        print("increment n")        n +=1gen = create_counter(2)print(gen)print(next(gen))print(next(gen))結果：<generator object create_counter at 0x0000023A1694A938>create_counter2increment n3Process finished with exit code 0

　　

——產生器運算式

產生器運算式來源於迭代和列表解析的組合，產生器和列表解析類似，但是它使用角括弧而不是方括弧

>>> # 列表解析產生列表>>> [ x ** 3 for x in range(5)][0, 1, 8, 27, 64]>>> >>> # 產生器運算式>>> (x ** 3 for x in range(5))<generator object <genexpr> at 0x000000000315F678>>>> # 兩者之間轉換>>> list(x ** 3 for x in range(5))[0, 1, 8, 27, 64]

　　一個迭代既可以被寫成產生器函數，也可以被協程產生器運算式，均支援自動和手動迭代。而且這些產生器只支援一個active迭代，也就是說產生器的迭代器就是產生器本身。

迭代器（迭代就是迴圈）

　　我們已經知道，可以直接作用於for迴圈的資料類型有以下幾種：

一類是集合資料類型，如list,tuple,dict,set,str等

一類是generator，包括產生器和帶yield的generator function

這些可以直接作用於for 迴圈的對象統稱為可迭代對象：Iterable

可以使用isinstance()判斷一個對象是否為可Iterable對象

>>> from collections import Iterable>>> isinstance([], Iterable)True>>> isinstance({}, Iterable)True>>> isinstance(‘abc‘, Iterable)True>>> isinstance((x for x in range(10)), Iterable)True>>> isinstance(100, Iterable)False

　　而產生器不但可以作用於for迴圈，還可以被next()函數不斷調用並返回下一個值，直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。

所以這裡將一下迭代器

可以被next()函數調用並不斷返回下一個值的對象稱為迭代器：Iterator。

可以使用isinstance()判斷一個對象是否是Iterator對象：

>>> from collections import Iterator>>> isinstance((x for x in range(10)), Iterator)True>>> isinstance([], Iterator)False>>> isinstance({}, Iterator)False>>> isinstance(‘abc‘, Iterator)False

　　

產生器都是Iterator對象，但list、dict、str雖然是Iterable（可迭代對象），卻不是Iterator（迭代器）。

把list、dict、str等Iterable變成Iterator可以使用iter()函數：

>>> isinstance(iter([]), Iterator)True>>> isinstance(iter(‘abc‘), Iterator)True

　　

你可能會問，為什麼list、dict、str等資料類型不是Iterator？

這是因為Python的Iterator對象表示的是一個資料流，Iterator對象可以被next()函數調用並不斷返回下一個資料，直到沒有資料時拋出StopIteration錯誤。可以把這個資料流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個資料，所以Iterator的計算是惰性的，只有在需要返回下一個資料時它才會計算。

Iterator甚至可以表示一個無限大的資料流，例如全體自然數。而使用list是永遠不可能儲存全體自然數的。

 

小結：

• 凡是可作用於for迴圈的對象都是Iterable類型；
• 凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；
• 集合資料類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

Python3的for迴圈本質上就是通過不斷調用next()函數實現的，例如：

for x in [1, 2, 3, 4, 5]:    pass

　實際上完全等價於

# 首先獲得Iterator對象:it = iter([1, 2, 3, 4, 5])# 迴圈:while True:    try:        # 獲得下一個值:        x = next(it)    except StopIteration:        # 遇到StopIteration就退出迴圈        break

　　

對yield的總結

　　（1）：通常的for..in...迴圈中，in後面是一個數組，這個數組就是一個可迭代對象，類似的還有鏈表，字串，檔案。他可以是a = [1,2,3]，也可以是a = [x*x for x in range(3)]。

它的缺點也很明顯，就是所有資料都在記憶體裡面，如果有海量的資料，將會非常耗記憶體。

　　（2）產生器是可以迭代的，但是只可以讀取它一次。因為用的時候才產生，比如a = (x*x for x in range(3))。!!!!注意這裡是小括弧而不是方括弧。

　　（3）產生器（generator）能夠迭代的關鍵是他有next()方法，工作原理就是通過重複調用next()方法，直到捕獲一個異常。

　　（4）帶有yield的函數不再是一個普通的函數，而是一個產生器generator，可用於迭代

　　（5）yield是一個類似return 的關鍵字，迭代一次遇到yield的時候就返回yield後面或者右面的值。而且下一次迭代的時候，從上一次迭代遇到的yield後面的代碼開始執行

　　（6）yield就是return返回的一個值，並且記住這個返回的位置。下一次迭代就從這個位置開始。

　　（7）帶有yield的函數不僅僅是只用於for迴圈，而且可用於某個函數的參數，只要這個函數的參數也允許迭代參數。

　　（8）send()和next()的區別就在於send可傳遞參數給yield運算式，這時候傳遞的參數就會作為yield運算式的值，而yield的參數是返回給調用者的值，也就是說send可以強行修改上一個yield運算式值。

　　（9）send()和next()都有傳回值，他們的傳回值是當前迭代遇到的yield的時候，yield後面運算式的值，其實就是當前迭代yield後面的參數。

　　（10）第一次調用時候必須先next（）或send（）,否則會報錯，send後之所以為None是因為這時候沒有上一個yield，所以也可以認為next（）等同於send(None)

python 產生器和迭代器有這篇就夠了