列表生成式:

例一：

a = [i+1 for i in range(10)]
print(a)

輸出：

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

例二：

L = [1, 2, 3, 4, 5]
print([i*i for i in L if i>3])

輸出:

[16, 25]

例三：

L = [1, 2, 3, 4, 5]
I = [6, 7, 8, 9, 10]
print([i*a for i in L for a in I if i > 2 if a < 8])

輸出：

[18, 21, 24, 28, 30, 35]

生成器：

通過(guò)列表生成式，我們可以直接創(chuàng)建一個(gè)列表。但是，受到內(nèi)存限制，列表容量肯定是有限的。而且，創(chuàng)建一個(gè)包含100萬(wàn)個(gè)元素的列表，不僅占用很大的存儲(chǔ)空間，如果我們僅僅需要訪問(wèn)前面幾個(gè)元素，那后面絕大多數(shù)元素占用的空間都白白浪費(fèi)了。

所以，如果列表元素可以按照某種算法推算出來(lái)，這樣就不必創(chuàng)建完整的list，從而節(jié)省大量的空間。在Python中，這種一邊循環(huán)一邊計(jì)算的機(jī)制，稱為生成器：generator。

要?jiǎng)?chuàng)建一個(gè)generator，有很多種方法。第一種方法很簡(jiǎn)單，只要把一個(gè)列表生成式的[]改成()，就創(chuàng)建了一個(gè)generator：

示例：

L = [1, 2, 3, 4, 5]
I = [6, 7, 8, 9, 10]
g = (i*a for i in L for a in I )
print(g)

輸出：

<generator object <genexpr> at 0x00000276586C1F48>

創(chuàng)建L和g的區(qū)別僅在于最外層的[]和()，L是一個(gè)list，而g是一個(gè)generator。

我們可以直接打印出list的每一個(gè)元素，可以通過(guò)generator的next()方法

next(g)

例一：

L = [1, 2, 3, 4, 5]
I = [6, 7, 8, 9, 10]
g = (i*a for i in L for a in I )
print(next(g))
print(next(g))
print(next(g))

輸出：

6
7
8

例二：

L = [1, 2, 3, 4, 5]
I = [6, 7, 8, 9, 10]
g = (i*a for i in L for a in I if i > 2 if a < 8)
print(next(g))
print(next(g))
print(next(g))

輸出：

18
21
24

因?yàn)間enerator保存的是算法，每次調(diào)用next(g)就計(jì)算出g的下一個(gè)元素的值，直到計(jì)算到最后一個(gè)元素，沒(méi)有更多的元素時(shí)，拋出StopIteration的錯(cuò)誤。正確的方法是使用for循環(huán)，因?yàn)間enerator也是可迭代對(duì)象：

例三：

g = (i*i for i in range(0, 5))
for i in g:
    print(i)

當(dāng)我們創(chuàng)建了一個(gè)generator后，基本上永遠(yuǎn)不會(huì)調(diào)用next()方法，而是通過(guò)for循環(huán)來(lái)迭代它。

generator非常強(qiáng)大。如果推算的算法比較復(fù)雜，用類似列表生成式的for循環(huán)無(wú)法實(shí)現(xiàn)的時(shí)候，還可以用函數(shù)來(lái)實(shí)現(xiàn)。

比如，著名的斐波拉契數(shù)列（Fibonacci），除第一個(gè)和第二個(gè)數(shù)外，任意一個(gè)數(shù)都可由前兩個(gè)數(shù)相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數(shù)列用列表生成式寫(xiě)不出來(lái)，但是，用函數(shù)把它打印出來(lái)卻很容易：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print b
        a, b = b, a + b
        n = n + 1

上面的函數(shù)可以輸出斐波那契數(shù)列的前N個(gè)數(shù)：

>>> fib(6)
1
1
2
3
5
8

仔細(xì)觀察，可以看出，fib函數(shù)實(shí)際上是定義了斐波拉契數(shù)列的推算規(guī)則，可以從第一個(gè)元素開(kāi)始，推算出后續(xù)任意的元素，這種邏輯其實(shí)非常類似generator。
也就是說(shuō)，上面的函數(shù)和generator僅一步之遙。要把fib函數(shù)變成generator，只需要把print(b)改為yield b就可以了：

def fib(max):
  n,a,b = 0,0,1

  while n < max:
    #print(b)
    yield b
    a,b = b,a+b

    n += 1

  return 'done'

這就是定義generator的另一種方法。如果一個(gè)函數(shù)定義中包含yield關(guān)鍵字，那么這個(gè)函數(shù)就不再是一個(gè)普通函數(shù)，而是一個(gè)generator：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'
print(fib(5))

輸出：

<generator object fib at 0x0000023DC66C1F48>

調(diào)用方法：   ##但是用for循環(huán)調(diào)用generator時(shí)，\
            ##發(fā)現(xiàn)拿不到generator的return語(yǔ)句\
            ##的返回值。如果想要拿到返回值，必須捕獲StopIteration錯(cuò)誤，返回值包含在StopIteration的value中：

for i in fib(5):
    print(i)

輸出：

1
1
2
3
5

或者：

date = fib(5)
print(date.__next__())
print(date.__next__())
print(date.__next__())
print('test')
print(date.__next__())
print(date.__next__())

輸出：

1
1
2
test
3
5

send方法有一個(gè)參數(shù)，該參數(shù)指定的是上一次被掛起的yield語(yǔ)句的返回值

還可通過(guò)yield實(shí)現(xiàn)在單線程的情況下實(shí)現(xiàn)并發(fā)運(yùn)算的效果　　

#_*_coding:utf-8_*_
__author__ = 'Alex Li'

import time
def consumer(name):
  print("%s 準(zhǔn)備吃包子啦!" %name)
  while True:
    baozi = yield

    print("包子[%s]來(lái)了,被[%s]吃了!" %(baozi,name))


def producer(name):
  c = consumer('A')
  c2 = consumer('B')
  c.__next__()
  c2.__next__()
  print("老子開(kāi)始準(zhǔn)備做包子啦!")
  for i in range(10):
    time.sleep(1)
    print("做了2個(gè)包子!")
    c.send(i)
    c2.send(i)

producer("alex")

通過(guò)生成器實(shí)現(xiàn)協(xié)程并行運(yùn)算

迭代器:

可以直接作用于for循環(huán)的數(shù)據(jù)類型有以下幾種：

一類是集合數(shù)據(jù)類型，如list、tuple、dict、set、str等；

一類是generator，包括生成器和帶yield的generator function。

這些可以直接作用于for循環(huán)的對(duì)象統(tǒng)稱為可迭代對(duì)象：Iterable。

可以使用isinstance()判斷一個(gè)對(duì)象是否是Iterable對(duì)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

而生成器不但可以作用于for循環(huán)，還可以被next()函數(shù)不斷調(diào)用并返回下一個(gè)值，直到最后拋出StopIteration錯(cuò)誤表示無(wú)法繼續(xù)返回下一個(gè)值了。

*可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)值的對(duì)象稱為迭代器：Iterator。

可以使用isinstance()判斷一個(gè)對(duì)象是否是Iterator對(duì)象：

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

生成器都是Iterator對(duì)象，但list、dict、str雖然是Iterable，卻不是Iterator。

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

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

為什么list、dict、str等數(shù)據(jù)類型不是Iterator？

這是因?yàn)镻ython的Iterator對(duì)象表示的是一個(gè)數(shù)據(jù)流，Iterator對(duì)象可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)數(shù)據(jù)，直到?jīng)]有數(shù)據(jù)時(shí)拋出StopIteration錯(cuò)誤。可以把這個(gè)數(shù)據(jù)流看做是一個(gè)有序序列，但我們卻不能提前知道序列的長(zhǎng)度，只能不斷通過(guò)next()函數(shù)實(shí)現(xiàn)按需計(jì)算下一個(gè)數(shù)據(jù)，所以Iterator的計(jì)算是惰性的，只有在需要返回下一個(gè)數(shù)據(jù)時(shí)它才會(huì)計(jì)算。

Iterator甚至可以表示一個(gè)無(wú)限大的數(shù)據(jù)流，例如全體自然數(shù)。而使用list是永遠(yuǎn)不可能存儲(chǔ)全體自然數(shù)的。

小結(jié):

凡是可作用于for循環(huán)的對(duì)象都是Iterable類型；

凡是可作用于next()函數(shù)的對(duì)象都是Iterator類型，它們表示一個(gè)惰性計(jì)算的序列；

集合數(shù)據(jù)類型如list、dict、str等是Iterable但不是Iterator，不過(guò)可以通過(guò)iter()函數(shù)獲得一個(gè)Iterator對(duì)象。

Python3的for循環(huán)本質(zhì)上就是通過(guò)不斷調(diào)用next()函數(shù)實(shí)現(xiàn)的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

實(shí)際上完全等價(jià)于：

# 首先獲得Iterator對(duì)象:
it = iter([1, 2, 3, 4, 5])
# 循環(huán):
while True:
    try:
        # 獲得下一個(gè)值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循環(huán)
        break

最新評(píng)論