迭代器 Iterator
使用 isinstance()
判断一个对象是否是可迭代(Iterable
)对象
可迭代对象通过 __iter__
方法向我们提供一个迭代器,我们在迭代一个可迭代对象的时候,实际上就是先获取该对象提供的一个迭代器(通过 __iter__
方法获取),然后通过这个迭代器来依次获取对象中的每一个数据.
iter()函数与next()函数
list、tuple等都是可迭代对象,我们可以通过iter()函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器不断使用next()函数来获取下一条数据。iter()函数实际上就是调用了可迭代对象的 __iter__
方法;next()函数实际上就是调用了迭代器的 __next__
方法
当我们已经迭代完最后一个数据之后,再次调用next()函数会抛出 StopIteration
的异常,来告诉我们所有数据都已迭代完成,不用再执行next()函数了。
迭代器Iterator 自己实现迭代器
通过上面的分析,我们已经知道,迭代器是用来帮助我们记录每次迭代访问到的位置,当我们对迭代器使用next()函数的时候,迭代器会向我们返回它所记录位置的下一个位置的数据。实际上,在使用next()函数的时候,调用的就是迭代器对象的__next__
方法(Python3中是对象的 __next__
方法)。所以,我们要想构造一个迭代器,就要实现它的 __next__
方法。但这还不够,python要求迭代器本身也是可迭代的,所以我们还要为迭代器实现 __iter__
方法,而 __iter__
方法要返回一个迭代器,迭代器自身正是一个迭代器,所以迭代器的 __iter__
方法返回自身即可。
一个实现了 __iter__
方法和 __next__
方法的对象,就是迭代器。
for...in...
循环的本质
for item in Iterable
循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器,然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值给item,当遇到StopIteration的异常后循环结束。
迭代器的应用场景
不用再将所有要迭代的数据都一次性缓存下来供后续依次读取,这样可以节省大量的存储(内存)空间。
举个例子,比如,数学中有个著名的斐波拉契数列(Fibonacci),数列中第一个数为0,第二个数为1,其后的每一个数都可由前两个数相加得到:
0, 1, 1, 2, 3, 5, 8, 13, 21, 34, …
|
|
生成器 generator
简单来说:只要在函数中有yield关键字的 就称为 生成器
生成器(generator):生成器是一类特殊的迭代器。所以也可以通过 next() 方法和 for in 遍历
通过生成器表达式创建
只要把一个列表生成式的 [ ]
改成 ( )
通过 yield
创建
方法中只要含有 yield
就是一个生成器
其实就是将原本在迭代器 __next__
方法中实现的基本逻辑放到一个函数中来实现,但是将每次迭代返回数值的 return
换成了 yield
但是用for循环调用generator时,发现拿不到generator的return语句的返回值。如果想要拿到返回值,必须捕获StopIteration错误,返回值包含在StopIteration的value中:
yield关键字有两点作用:
- 保存当前运行状态(当前环境),然后暂停执行,即将生成器(函数)挂起
- 将yield关键字后面表达式的值作为返回值返回,此时可以理解为起到了return的作用
可以使用next()函数让生成器从断点处继续执行,即唤醒生成器(函数)
使用send唤醒
我们除了可以使用next()函数来唤醒生成器继续执行外,还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。generator.send(None) == next(generator)
。
例子:执行到yield时,gen函数作用暂时保存,返回i的值; temp接收下次c.send(“python”),send发送过来的值,c.next()等价c.send(None)又等价于 c.__next__()
再举个例子我们看一下 send
数据是如何生效的
其实 send数据时数据给的是上一个yield断点进行接收的
yield from generator
yield from generator
基本可以理解成把生成器 generator
的代码替换了 yield from
所在位置, 可以先看代码示例好理解
- 为了让生成器(带yield函数),能简易的在其他函数中直接调用,就产生了
yield from
。 - 以下代码,
htest
为生成器,itest
通过yield from
直接调用htest
。这样itest
也变成了一个生成器。创建itest
实例不断的去获取数据,当生成器执行结束时,会抛出StopIteration
异常。那这个异常是htest
抛出的,还是itest
抛出的。通过捕获异常,会发现其实是itest
抛出异常,htest
并不会抛出StopIteration
异常。 yield from
也可以返回值,通过变量接收。变量接收的值,即htest
使用return
返回的值。示例代码中,当i==3
时,会直接使用return
返回,这时val
的值就是100
;因为htest
函数中不是使用yield
返回值,所以itest
会继续执行print(val)
语句。itest
代码执行完,然而并没有使用yield
返回数据(htest
中没有,itest
中也没有),所以马上会抛出StopIteration
异常)(如果在itest
函数最后使用yield
返回一个数据,就不会抛出异常)。1234567891011121314151617181920212223242526272829303132333435def htest():i = 1while i < 4:print('i的值', i)n = yield iprint('n的值', n)if i == 3:return 100i += 1def itest():val = yield from htest()print('val的值', val)t = itest()# i的值 1t.send(None)# n的值 haha# i的值 2t.send('haha')# n的值 here# i的值 3t.send('here')try:# n的值 hehe# val的值 100t.send('hehe')except StopIteration as e:# 异常了 Noneprint('异常了', e.value)
迭代器和生成器的关系
看过上面我们应该可以看出相似点和不同点了
- 迭代对象,遍历的时候需要先通过
__iter__
来获取到迭代器,然后通过__next__
来一步一步往下执行 - 生成器相当于直接就等于迭代对象通过
__iter__
所返回的对象,直接可以通过__next__
来一步一步来进行执行