python中的迭代器和生成器怎么用

这篇“python中的迭代器和生成器怎么用”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“python中的迭代器和生成器怎么用”文章吧。

可迭代对象和迭代器

迭代（iterate）意味着重复，就像 for 循环迭代序列和字典那样，但实际上也可使用 for 循环迭代其他对象：实现了方法 __iter__ 的对象(迭代器协议的基础)。
__iter__方法返回一个迭代器，它是包含方法 __next__ 的对象，调用时可不提供任何参数；
当你调用 __next__ 时，迭代器应返回其下一个值；如果没有可供返回的值，应引发 StopIteration 异常；
也可使用内置函数 next()，此种情况下，next(it) 与 it.__next()__ 等效。

至于为什么不用列表？因为在很多情况下，使用列表都有点太浪费了。例如，如果你有一个可逐个计算值的函数，你可能只想逐个地获取值，而不是使用列表一次性获取。这是因为如果有很多值，列表可能占用太多的内存。
下面来看一个不能使用列表的示例，因为如果使用，这个列表的长度将是无穷大的！

# 这个“列表”为斐波那契数列，表示该数列的迭代器如下：
class Fibs:
    def __init__(self):
        self.a = 0
        self.b = 1
    def __next__(self):
        self.a, self.b = self.b, self.a + self.b
        return self.a  # 前面逻辑自定义,最后返回下一个值即可
    def __iter__(self):
        return self  # 返回迭代器本身(一个包含 __next__ 方法的对象)
    
fibs = Fibs()
for f in fibs:
	if f > 1000:
		print(f)  # 1597
		break  # 若不中断循环,将一直循环下去
        
next(fibs)  # 2584
next(fibs)  # 4181

更正规的定义是，实现了方法 __iter__ 的对象是 可迭代的，再实现了方法 __next__ 的对象是 迭代器。

内置函数 iter()

通过对可迭代对象调用内置函数 iter()，可以获得一个迭代器。还可使用它从函数或其他可调用对象创建可迭代对象。
不过，可迭代对象在转化为迭代器后，会丢失⼀些属性(如 __getitem__() )，但同时也会增加⼀些属性(如 __next__() )。
另外，迭代器一般都是⼀次性的，当迭代过⼀轮后，再次迭代将获取不到元素；而可迭代对象可以重复使用。

it = iter([1, 2, 3])  # list 是可迭代对象哦
next(it)  # 1
next(it)  # 2
next(it)  # 3
next(it)  # StopIretation; 普通的可迭代对象是可复用的,而迭代器是一次性的,回不了头的

it = iter("ABCD")  # string 也是可迭代对象
for i in it:
    print(i, end=" ")  # A B C D
for i in it:
    print(i, end=" ")  # ⽆输出

查看对象是否实现了魔法方法 _iter_ 的四种方法：

# ⽅法1：dir()查看__iter__,详情请自己尝试
dir(2) # 没有
dir("abc") # 有 __iter__()
# ⽅法2：isinstance()判断
import collections
isinstance(2, collections.Iterable) # False
isinstance("abc", collections.Iterable) # True
# ⽅法3：hasattr()判断
hasattr(2,"__iter__") # False
hasattr("abc","__iter__") # True
# ⽅法4：⽤iter()查看是否报错
iter(2) # 报错：'int' object is not iterable
iter("abc") # <str_iterator at 0x1e2396d8f28>

从迭代器创建序列

在可以使用序列的情况下，大多也可以使用迭代器或可迭代对象(诸如索引和切片等操作除外)。迭代器因为缺少 __getitem__ ，因此不能使⽤普通的切⽚语法，暂未深究。

# 使用构造函数 list() 显示的将迭代器转换为列表
class TestIterator:
    value = 0
    
    def __next__(self):
        self.value += 1
        if self.value > 10: raise StopIteration
        return self.value
    def __iter__(self):
        return self
ti = TestIterator()
ti2 = list(ti)  # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
for i in ti2:
    print(i, end=" ")  # 1 2 3 4 5 6 7 8 9 10
        
print('the second:')

生成器

生成器，也被称为简单生成器（simple generator），生成器自动创建了 iter() 和 next() 方法，是一种使用普通函数语法定义的迭代器。与函数的主要的形式差别就在于，它的函数体中有一句 yield 语句。
每次执行到 yield 处时，生成并返回一个值后，函数都将暂时停止执行，等待下一轮迭代调用，如此往复，直到迭代完。数据量大时，生成器能够极大地节省内存空间。下面还是通过斐波纳契数列来看看：

# 斐波纳契数列的生成器实现: 返回数列的前 n 项
def fibs(n):
    a, b = 0, 1
    for _ in range(n):
        yield a  # 返回的是一个生成器
        a, b = b, b+a
f = fibs(5)
print(f)  # <generator object fibs at 0x05BB20B0>
print(list(f))  # [0, 1, 1, 2, 3]; 此处生成器 f 已经被迭代过一次了
for i in f:
    print(i, end=" ")  # ⽆输出; for循环会⾃动捕捉到 StopIteration 异常并停⽌调⽤ next()
    
print(next(f))  # StopIteration

与 return 的区别：生成器不是像 return 一样返回一个值，而是可以生成多个值，每次返回一个；return 返回的话，这个函数就结束了。

生成器推导(生成式表达式)

将列表生成式的 [] 改成 () 之后，数据结构将从列表变为生成器，而不是元组。如果要包装可迭代对象（可能生成大量的值）时，若使用列表推导将立即实例化一个列表，从而丧失迭代的优势；但如果使用生成器推导的话，每迭代一次就生成一个值，没必要一次性生成全部值，这样就好的多了。而且，可以直接在既有的圆括号内（如在函数调用中）使用生成器推导时，无需再添加一对圆括号。

L = [x*x for x in range(10)]  # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
g = (x*x for x in range(10))  # <generator object <genexpr> at 0x052AF8F0>
print(next(g))  # 0
sum(i ** 2 for i in range(10))  # 285

递归式生成器

创建一个将两层嵌套列表展开的函数：

nested = [[1, 2], [3, 4], [5], 6]
def flatten(nested):
    try:
        for sub in nested:
            for ele in sub:
                yield ele
    except TypeError:
        yield sub
            
f = flatten(nested)
next(f)  # 1
# print(list(f))  # [2, 3, 4, 5, 6]
for i in f3:
    print(i)  # 2 3 4 5 6

创建一个将任意层嵌套列表展开的函数：
对一层列表进行遍历，遍历下层列表的时候，先对一层遍历出来的元素再调用一次 flatten 函数，这时，如果是不可再迭代的对象的话，就会报 TypeError 错误，捕捉到之后，yeild 返回，继续下一个；如果是可迭代的话，就递归下去；

def flatten(nested):
    try:
        for sub in nested:
            for ele in flatten(sub):
                yield ele
    except TypeError:
        yield nested
        
nested = [[[1], 2], 3, 4, [5, [6, 7]], 8]
print(list(flatten(nested)))

不过，上面要注意的是：前面也提到了，字符串对象也是可迭代的，而且一般我们也不会将它拆开。更重要的是，字符串的第一个元素是一个长度为 1 的字符串，而长度为 1 的字符串的第一个元素是字符串本身。

s = 'ABCD'
s2 = s[0]  # 'A'
s2[0]  # 'A'

这样子会造成无穷递归的。所以还需要检查一下对象是否类似于字符串：

def flatten(nested):    
    try:
        if isinstance(nested, str): raise TypeError
            
        for sub in nested:
            for ele in flatten(sub):
                yield ele
    except TypeError:
        yield nested
        
nested = [[[1], '23'], 3, '43', [5, [6, '73']], 8]
print(list(flatten(nested)))  # [1, '23', 3, '43', 5, 6, '73', 8]

不过，它有两个 yield 唉，这认哪个来着？？？pass

def flatten(nested):
	try:
		for sublist in nested:
			for element in flatten(sublist):
				print("element:", element)
				yield element
	except TypeError:
		print("nested :", nested)
		yield nested
		
print(list(flatten([[1, 2], [3, 4], [5], 6])))

输出：

nested : 1
element: 1   
nested : 2
element: 2
nested : 3
element: 3
nested : 4
element: 4
nested : 5
element: 5
nested : 6
element: 6
[1, 2, 3, 4, 5, 6]

以上就是关于“python中的迭代器和生成器怎么用”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注亿速云行业资讯频道。