淺談Python中的生成器和迭代器
迭代器
迭代器協(xié)議
對象必須提供一個next方法,執(zhí)行該方法要么返回迭代中的下一項,要么返回一個異常來終止本次迭代。(只能往前走,不能往后退?。?/p>
迭代器對象
遵循了(實現了)迭代器協(xié)議的對象。(對象內部實現了一個__next__方法,以實現迭代器協(xié)議)稱為一個迭代器對象。他們的作用是逐個遍歷容器中的對象。迭代器對象一定是可迭代對象
>>> from collections import Iterable, Iterator >>> l = list([1,2,3]) # 定義列表 >>> l_iter = l.__iter__() # 調用列表的 __iter__ 方法 >>> isinstance(l, Iterable) # 列表可迭代對象 True >>> isinstance(l, Iterator) # 列表不是迭代器 False >>> isinstance(l_iter, Iterable) # 列表的__iter__ 方法返回 是可迭代對象 True >>> isinstance(l_iter, Iterator) # 列表的__iter__ 方法返回 也是是迭代器對象 True
可迭代對象(iterable)
可迭代對象有很多種形式,只要滿足可以每次取到容器對象中下一個對象的,都稱為可迭代對象。
實現了 __iter__方法的對象稱為可迭代對象。
range() 對象也是可迭代對象。
生成器對象也是可迭代對象。
>>> from collections import Iterable, Iterator >>> isinstance(range(10), Iterator) False >>> isinstance(range(10), Iterable) True # 生成器對象一定是迭代器對象, 那么他也必然是可迭代對象 >>> isinstance((i for i in range(10)), Iterator) True >>> isinstance((i for i in range(10)), Iterable) True
總結補充
列表、元組、集合、字符串、字典都是可迭代對象。
for 循環(huán)的本質:使用迭代器協(xié)議訪問可迭代對象中的每一個對象。
生成器
生成器類似于一種數據類型,這種數據類型自動實現了迭代器協(xié)議,所以生成器也是迭代器。
生成器分類及在python中的表現形式:(Python有兩種不同的方式提供生成器)
生成器函數
常規(guī)函數定義,但是,使用yield語句而不是return語句返回結果。yield語句一次返回一個結果,在每個結果中間,掛起函數的狀態(tài),以便下次重它離開的地方繼續(xù)執(zhí)行
>>> def generator(n): ... for i in range(n): ... yield i ... >>> gener_obj = generator(10) >>> gener_obj.__next__() 0 >>> gener_obj.__next__() 1 >>> gener_obj.__next__() 2 >>> type(gener_obj) <class 'generator'>
生成器表達式
類似于列表推導,但是,生成器返回按需產生結果的一個對象,而不是一次構建一個結果列表,按需取出對象
注意生成器 用()包裹起來
>>> generator = (i for i in range(10)) >>> generator.__next__() 0 >>> generator.__next__() 1 >>> type(generator) <class 'generator'>
以上就是淺談Python中的生成器和迭代器的詳細內容,更多關于Python 生成器和迭代器的資料請關注腳本之家其它相關文章!
相關文章
詳解matplotlib中pyplot和面向對象兩種繪圖模式之間的關系
這篇文章主要介紹了詳解matplotlib中pyplot和面向對象兩種繪圖模式之間的關系,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2021-01-01