python中的迭代器和生成器学习笔记总结

生成器就是一个在行为上和迭代器很是相似的对象.   是个对象！

迭代，顾名思意就是不停的代换的意思,迭代是重复反馈过程的活动，其目的一般是为了逼近所需目标或结果。每一次对过程的重复称为一次“迭代”，而每一次迭代获得的结果会做为下一次迭代的初始值。

 

迭代器就是用于迭代操做（for 循环）的对象。它像列表同样能够迭代获取其中的每个元素，任何实现了 __next__ 方法（python2 是 next）的对象均可以称为迭代器。

 

它与列表的区别在于，构建迭代器的时候，不像列表把全部元素一次性加载到内存，而是以一种延迟计算（lazy evaluation）方式返回元素，这正是它的优势。好比列表含有中一千万个整数，须要占超过400M的内存，而迭代器只须要几十个字节的空间。由于它并无把全部元素装载到内存中，而是等到调用 next 方法时候才返回该元素（call by need 的方式），本质上 for 循环就是不断地调用迭代器的next方法。

 

咱们自定义一个迭代器，以斐波那契数列为例：

 

class Fib:

    def __init__(self):

        self.prev = 0

        self.curr = 1

    def __iter__(self):

        return self

    def __next__(self):

        value = self.curr

        self.curr += self.prev

        self.prev = value

        return value

>>> f = Fib()

>>> list(islice(f, 0, 10))

[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

Fib既是一个可迭代对象（由于它实现了 __iter__方法），又是一个迭代器（由于实现了 __next__方法）。实例变量 prev和 curr用户维护迭代器内部的状态。每次调用 next()方法的时候作两件事：

 

为下一次调用 next()方法修改状态

为当前此次调用生成返回结果

 

迭代器就像一个懒加载的工厂，等到有人须要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。

 

生成器

然而在 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，函数被调用时会返回一个生成器对象，生成器本质上仍是一个迭代器，也是用在迭代操做中，所以它有和迭代器同样的特性，惟一的区别在于实现方式上不同，后者更加简洁

关系

生成器实际上是一种特殊的迭代器，不过这种迭代器更加优雅。它不须要再像上面的类同样写 __iter__()和 __next__()方法了，只须要一个 yiled关键字。 生成器必定是迭代器（反之不成立），所以任何生成器也是以一种懒加载的模式生成值。

 

 

若是列表元素能够按照某种算法推算出来，那咱们是否能够在循环的过程当中不断推算出后续的元素呢？这样就没必要建立完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器（Generator）

 

要建立一个generator，有不少种方法:

 

 

1.只要把一个列表生成式的[]改为()，就建立了一个generator，又叫生成器表达式(generator expression)

 

>>> L = [x * x for x in range(10)]

>>> L

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> g = (x * x for x in range(10))

>>> g

<generator object <genexpr> at 0x104feab40>

 

打印出generator的每个元素呢？

 

若是要一个一个打印出来，能够经过generator的next()方法：

>>> g.next()

0

>>> g.next()

1

>>> g.next()

4

......

 

不断调用next()方法实在是太变态了，正确的方法是使用for循环，由于generator也是可迭代对象：

>>> g = (x * x for x in range(10))

>>> for n in g:

...     print n

...

0

1

4

9

16

25

36

49

64

81

 

2.若是推算的算法比较复杂，能够用函数来实现。

 

若是一个函数定义中包含yield关键字，那么这个函数就再也不是一个普通函数，而是一个generator.

 

最难理解的就是generator和函数的执行流程不同。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

 

举个简单的例子（很清楚了），定义一个generator，依次返回数字1，3，5：

 

>>> def odd():

...     print 'step 1'

...     yield 1

...     print 'step 2'

...     yield 3

...     print 'step 3'

...     yield 5

...

>>> o = odd()  ----->返回的是一个生成器对象，此时函数体中的代码并不会执行，只有显示或隐示地调用next的时候才会真正执行里面的代码。

>>> o.next()

step 1

1

>>> o.next()

step 2

3

>>> o.next()

step 3

5

>>> o.next()

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

StopIteration

 

能够看到，odd不是普通函数，而是generator，在执行过程当中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield能够执行了，因此，第4次调用nex

 

把函数改为generator后，咱们基本上历来不会用next()来调用它，而是直接使用for循环来迭代：

 

例子：好比，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数均可由前两个数相加获得：

 

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

 

（1）用函数实现：

 

def fib(max):

    n, a, b = 0, 0, 1

    while n < max:

        print b

        a, b = b, a + b

        n = n + 1

 

 

输出：

>>> fib(6)

1

1

2

3

5

8

 

（2）要把fib函数变成generator，只须要把print b改成yield b就能够了：

 

 

def fib(max):

    n, a, b = 0, 0, 1

    while n < max:

        yield b

        a, b = b, a + b

        n = n + 1

 

输出：

>>> fib(6)

<generator object fib at 0x104feaaa0>

 

把函数改为generator后，咱们基本上历来不会用next()来调用它，而是直接使用for循环来迭代：

 

>>> for n in fib(6):

...     print n

...

1

1

2

3

5

8