Python中的迭代器和生成器详解

 更新时间:2023年07月26日 10:06:22   作者:Looooking  
这篇文章主要介绍了Python中的迭代器和生成器详解,生成器表达式是用来生成函数调用时序列参数的一种迭代器写法,生成器对象可以遍历或转化为列表或元组等数据结构,但不能切片,需要的朋友可以参考下

可迭代对象(Iterable)

任何实现了 __iter__ 方法的对象都可以称为可迭代对象。

class Fib:
    def __init__(self, n):
        self.prev = 0
        self.cur = 1
        self.n = n
    def __iter__(self):
        return self
fib = Fib(5)
import collections
print('fib is Iterable? ', isinstance(fib, collections.Iterable))
print('fib is Iterator? ', isinstance(fib, collections.Iterator))
print(next(fib))
fib is Iterable?  True
fib is Iterator?  False
Traceback (most recent call last):
  File "D:/MyProject/Python/insight-tools-rest/test.py", line 27, in <module>
    print(next(fib))
TypeError: 'Fib' object is not an iterator

迭代器(Iterator)

迭代器是用于进行迭代操作的对象,它可以像列表一样使用 for 迭代获取其中的每一个元素。当然,列表、字典属于可迭代对象,但并不是迭代器。

要将列表、字典等常见的可迭代对象变成迭代器,需要使用 iter 或者 __iter__() 进行作用:

l = [1, 2, 3]
d = {'a': 1, 'b': 2, 'c': 3}
print(type(l))
print(type(d))
l = l.__iter__()
d = iter(d)
print(type(l))
print(type(d))
<class 'list'>
<class 'dict'>
<class 'list_iterator'>
<class 'dict_keyiterator'>

迭代器与列表的区别在于,列表是一次性把所有的元素加载到内存,迭代器则是使用延迟计算的方式返回元素,只有在调用 next 方法的时候才去计算并返回该元素,也即 call by need 的方式,for 循环本质上也是不断调用迭代器的 next 方法来进行遍历。

如果要将一个可迭代对象变成迭代器的话,还需要实现一个 __next__ 方法:

class Fib:
    def __init__(self, n):
        self.prev = 0
        self.cur = 1
        self.n = n
    def __iter__(self):
        return self
    def __next__(self):
        if self.n > 0:
            value = self.cur
            self.cur += self.prev
            self.prev = value
            self.n -= 1
            return value
        else:
            raise StopIteration()
fib = Fib(5)
import collections
print('fib is Iterable? ', isinstance(fib, collections.Iterable))
print('fib is Iterator? ', isinstance(fib, collections.Iterator))
print([i for i in fib])

fib is Iterable?  True
fib is Iterator?  True
[1, 1, 2, 3, 5]

生成器(Generator)

普通函数一般使用 return 返回一个值,但在 Python 中还有一种函数,用关键字 yield 来返回值,这种函数叫生成器。函数被调用时会返回一个生成器对象,生成器本质上还是一个迭代器(特殊的迭代器,实现方式不一样),因此在迭代操作中,生成器对象的行为和迭代器非常相似。下面是使用生成器实现的斐波那契数列:

def fib(n):
    prev = 0
    cur = 1
    while n > 0:
        yield cur
        n -= 1
        prev, cur = cur, cur + prev
        # tmp = prev
        # prev = cur
        # cur = cur + tmp
print([i for i in fib(5)])

[1, 1, 2, 3, 5]

当然也可以使用 next 不断去遍历:

fib = fib(5)
print(next(fib))
print(next(fib))
print(next(fib))
print(next(fib))
print(next(fib))

1
1
2
3
5

到此这篇关于Python中的迭代器和生成器详解的文章就介绍到这了,更多相关迭代器和生成器内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • 使用 Celery Once 来防止 Celery 重复执行同一个任务

    使用 Celery Once 来防止 Celery 重复执行同一个任务

    这篇文章主要介绍了使用 Celery Once 来防止 Celery 重复执行同一个任务,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2021-10-10
  • Python中集合的创建及常用函数的使用详解

    Python中集合的创建及常用函数的使用详解

    这篇文章主要为大家详细介绍了Python中集合的创建、使用和遍历,集合常见的操作函数,集合与列表,元组,字典的嵌套,感兴趣的小伙伴可以了解一下
    2022-06-06
  • Python机器学习之实现模型持久化与加载

    Python机器学习之实现模型持久化与加载

    在实际的机器学习项目中,我们通常需要将训练好的模型保存到磁盘,本文我们会介绍如何在Python中使用pickle和joblib库将训练好的模型持久化到磁盘,需要的可以参考一下
    2023-05-05
  • 解决Django Haystack全文检索为空的问题

    解决Django Haystack全文检索为空的问题

    这篇文章主要介绍了解决Django Haystack全文检索为空的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-05-05
  • 详解Python之unittest单元测试代码

    详解Python之unittest单元测试代码

    本篇文件主要介绍了详解Python之unittest测试代码,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2018-01-01
  • Python时间序列处理之ARIMA模型的使用讲解

    Python时间序列处理之ARIMA模型的使用讲解

    今天小编就为大家分享一篇关于Python时间序列处理之ARIMA模型的使用讲解,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
    2019-04-04
  • Python实现归一化算法详情

    Python实现归一化算法详情

    这篇文章主要介绍了Python实现归一化算法,归一化算法Normalization将数据处理成量纲一直的数据,一般在进行建模的时候需要进行数据归一化处理,下文详细内容,需要的小伙伴可以参考一下
    2022-03-03
  • python反扒机制的5种解决方法

    python反扒机制的5种解决方法

    这篇文章主要介绍了python反扒机制的5种解决方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-02-02
  • python+opencv实现阈值分割

    python+opencv实现阈值分割

    这篇文章主要为大家详细介绍了python+opencv实现阈值分割的相关代码,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-12-12
  • 10 分钟快速入门 Python3的教程

    10 分钟快速入门 Python3的教程

    这篇文章主要介绍了10 分钟快速入门 Python3的教程,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2019-01-01

最新评论