AI智能
改变未来

python 基础系列–可迭代对象、迭代器与生成器

迭代器是 Python 最强大的功能之一,可以想像如果有个几十 GB 的大文件,你需要编写程序处理其中的文本信息,如果一次性全部读入内存,估计机器会直接罢工了,但是借住可迭代对象,可以一次从硬盘读取一小块内容到内存,处理完后写回硬盘,不断迭代,从而节省内存,加快处理速度。

首先来解释这3个概念。
(1)可迭代对象:如果一个对象定拥有 __iter__ 方法,那么这个对象就是一个可迭代对象。这里顺便说下
for 循环的处理过程:在 Python 中我们经常使用 for 循环来对某个对象进行遍历,此时被遍历的这个对象就是可迭代对象,常见的有列表,元组,字典。for 循环开始时自动调用可迭代对象的 __iter__ 方法获取一个迭代器,for 循环时自动调用迭代器的 next 方法获取下一个元素,当调用可迭代器对象的 next 方法引发 StopIteration 异常时,结束 for 循环。

(2)迭代器:如果一个对象定拥有  __iter__ 方法和 __next__ 方法,那么这个对象就是一个迭代器。

(3)生成器:生成器是一类特殊的迭代器,就是在需要的时候才产生结果,不是立即产生结果。这样可以同时节省 CPU 和内存。有两类方法实现生成器:

  • 生成器函数。使用 def 定义函数,使用 yield 而不是 return 语句返回结果。yield 语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次从它离开的地方继续执行。

  • 生成器表达式。类似于列表推导,只不过是把一对大括号 [] 变换为一对小括号() 。但是,生成器表达式是按需产生一个生成器结果对象,要想拿到每一个元素,就需要循环遍历。

三者之间的关系如下图所示。

三者之间的关系

可迭代对象包含迭代器、序列、字典;生成器是一种特殊的迭代器。下面分别举例说明。

创建一个迭代器

1  class MyListIterator(object):  # 定义迭代器类,其是MyList可迭代对象的迭代器类
2      
3      def __init__(self, data):
4          self.data = data  # 上边界
5          self.now = 0  # 当前迭代值,初始为0
6  
7      def __iter__(self):
8          return self  # 返回该对象的迭代器类的实例;因为自己就是迭代器,所以返回self
9  
10      def __next__(self):  # 迭代器类必须实现的方法
11          while self.now < self.data:
12              self.now += 1
13              return self.now - 1  # 返回当前迭代值  
14          raise StopIteration  # 超出上边界,抛出异常

类 MyListIterator 实现了  __iter__ 方法和 __next__ 方法,因此它是一个迭代器对象,由于  __iter__ 方法本返的是迭代器(本身),因此它也是可迭代对象。迭代器必然是一个可迭代对象。

下面使用3种方法遍历迭代器 MyListIterator。

1  my_list = MyListIterator(5)  # 得到一个迭代器
2  print(\"使用for循环来遍历迭代器\")
3  for i in my_list:
4      print(i)
5  my_list = MyListIterator(5)  # 重新得到一个可迭代对象
6  print(\"使用next来遍历迭代器\")
7  print(next(my_list))
8  print(next(my_list))
9  print(next(my_list))
10  print(next(my_list))
11  print(next(my_list))
12  my_list = MyListIterator(5)  # 重新得到一个可迭代对象
13  print(\"同时使用next和for来遍历迭代器\")
14  print(\"先使用两次next\")
15  print(next(my_list))
16  print(next(my_list))
17  print(\"再使用for,会从第三个元素2开始输出\")
18  for i in my_list:
19      print(i)

输出结果如下:

使用for循环来遍历迭代器
0
1
2
3
4
使用next来遍历迭代器
0
1
2
3
4
同时使用next和for来遍历迭代器
先使用两次next
0
1
再使用for,会从第三个元素2开始输出
2
3
4

从结果可以看出,for 循环实际上就是调用了迭代器的 __next__方法,当捕捉到 MyListIterator 异常时自动结束 for 循环

创建一个可迭代对象

1  class MyList(object):  # 定义可迭代对象类
2      def __init__(self, num):
3          self.data = num  # 上边界
4      def __iter__(self):
5          return MyListIterator(self.data)  # 返回该可迭代对象的迭代器类的实例

上例中对象 MyList 实现了 __iter__ 方法返回了迭代器类的实例,因此它是一个可迭代对象。遍历操作可使用 for 循环,无法使用 next()。for 循环实质上还是调用 MyListIterator 的 __next__ 方法。

1  my_list = MyList(5)  # 得到一个可迭代对象
2  print(\"使用for循环来遍历可迭代对象my_list\")
3  for i in my_list:
4      print(i)
5  my_list = MyList(5)  # 得到一个可迭代对象
6  print(\"使用next来遍历可迭代对象my_list\")
7  print(next(my_list))
8  print(next(my_list))
9  print(next(my_list))
10  print(next(my_list))
11  print(next(my_list))

输出结果如下:

使用for循环来遍历可迭代对象my_list
0
1
2
3
4
使用next来遍历可迭代对象my_list
    print(next(my_list))
TypeError: \'MyList\' object is not an iterator

从运行结果知道可迭代对象如果没有 __next__方法,则无法通过next()进行遍历。

创建一个生成器

像定义一般函数一样,只不过使用 yield 返回中间结果。生成器是一种特殊的迭代器,生成器自动实现了迭代器协议,即 __iter__ 和 __next__ 方法,不需要再手动实现两方法。创建生成器实例如下:

1  def myList(num):  # 定义生成器
2      now = 0  # 当前迭代值,初始为0
3      while now < num:
4          val = (yield now)  # 返回当前迭代值, 
5          now = now + 1 if val is None else val  # val为None,迭代值自增1,否则重新设定当前迭代值为val

遍历生成器:

1  my_list = myList(5)  # 得到一个生成器对象
2  print(\"for 循环遍历生成器myList\")
3  for i in my_list:
4      print(i)
5  
6  my_list = myList(5)  # 得到一个生成器对象
7  print(\"next遍历生成器myList\")
8  print(next(my_list))  # 返回当前迭代值值
9  print(next(my_list))  # 返回当前迭代值值
10  print(next(my_list))  # 返回当前迭代值值
11  print(next(my_list))  # 返回当前迭代值值
12  print(next(my_list))  # 返回当前迭代值值

运行结果如下:

for 循环遍历生成器myList
0
1
2
3
4
next遍历生成器myList
0
1
2
3
4

具有 yield 关键字的函数都是生成器,yield 可以理解为 return,返回后面的值给调用者。不同的是 return 返回后,函数会释放,而生成器则不会。在直接调用 next 方法或用 for 语句进行下一次迭代时,生成器会从 yield 下一句开始执行,直至遇到下一个 yield。

赞(0) 打赏
未经允许不得转载:爱站程序员基地 » python 基础系列–可迭代对象、迭代器与生成器