Python的列表推倒式、生成器及迭代器

文章目錄

• Python的列表推倒式、生成器及迭代器
• • 一、列表推倒式
  • • **`1.列表推導式`**
    • **`2.字典推導式`**
    • **`3.集合推導式`**
  • 二、生成器
  • • 生成器的創建方式
    • 類似于列表生成式創建
    • **`函數方式創建`**
    • **`生成器常用方法`**
    • send方法使用舉例
    • **`生產者與消費者問題`**
    • **`日志記錄`**
    • **`計算移動平均值`**
    • **`帶裝飾器的計算移動平均值`**
    • **`yield from`**
    • **`處理異常`**
  • 三、迭代器
  • • **`可迭代對象與迭代器`**
    • 可迭代和迭代器區別
    • • 1. 區別：
      • 2.迭代器：
      • 3. **迭代器的優點**：
      • 4.相同點與不同點：
      • 5.判斷迭代器和可迭代的方法
    • **`判斷range函數和map函數`**
    • **`深入了解Iterator對象`**
    • **`迭代器小結`**

一、列表推倒式

從母雞下蛋的故事講起

1 老母雞 = ('雞蛋%s'%i for i in range(10)) 2 print(老母雞) 3 for 蛋 in 老母雞: 4 print(蛋) 5 g = (i*i for i in range(10)) 6 for i in g: 7 print(i)

• ①把列表解析的[]換成()得到的就是生成器表達式
• ②列表解析與生成器表達式都是一種便利的編程方式，只不過生成器表達式更加節省內存空間
• ③Python不但使用迭代器協議，讓for循環變得更加通用。大部分內置函數，也是使用迭代器協議訪問對象的。

例如sum函數是python的內置函數，該函數使用迭代器協議訪問對象，而生成器實現了迭代器協議。

1 sum(i*2 for i in range(4))

1.列表推導式

例一:30以內所有能被3整除的數　　1 # 列推導式 2 # [滿足條件的元素相關的操作 for 元素 in 可迭代數據類型 if 元素相關的條件] 3 # 30以為所有能被3整除的數字 4 print([i for i in range(30) if i%3 == 0]) # 完整的列表推導式 例二：30以內所有能被3整除的數的平方1 # 30以為所有能被3整除的平方 2 print([i*i for i in range(30) if i%3 == 0]) # 完整的列表推導式 例三：找到嵌套列表中名字包含‘e’的所有名字1 # 找到嵌套列表中名字中含有'e'的所有名字 2 names = [['Tom','Billy','Jefferson','Andrew','Wesley','Steven','Joe'], 3 ['Alice','Jill','Ana','Wendy','Jennifer','Sherry','Eva']] 4 ret = [name for lst in names for name in lst if name.count('e') == 2] 5 print(ret)

2.字典推導式

例一:將一個字典的key和value對調1 # 將一個字典的key和value對調 2 mcase = {'a':10,'b':34} 3 mcase_frequency = {mcase[k]:k for k in mcase} 4 print(mcase_frequency)例二：合并大小寫對應的value值，講key統一成大寫1 # 合并大小寫對應的value值，將key統一成小寫 2 # {'a':10+7,'b':34,'z':3} 3 mcase = {'a':10,'b':34,'A':7,'Z':3} 4 mcase_frequency = {k.lower():mcase.get(k.lower(),0)+mcase.get(k.upper(),0) for k in mcase}

3.集合推導式

例子：計算列表中每個值的平方，自帶去重復的功能1 # 集合推導式 自帶去重功能 2 squared = {x**2 for x in [1,-1,2]} 3 print(squared)

二、生成器

• 通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，
• 如果我們僅僅需要訪問前面幾個元素，那后面絕大多數元素占用的空間都白白浪費了。
• 所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢？
• 這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。
• 要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator

生成器的創建方式

類似于列表生成式

函數中使用yield關鍵字

函數有了yield之后

函數調用之后就得到了一個生成器，

return 在生成器里，代表生成器的中止，直接報錯

yield的作用是：返回數據 ，并凍結（暫停）當前的執行過程 ，下一次從暫停處繼續執行。

類似于列表生成式創建

L = [x * x for x in range(10)] gen_L = (x * x for x in range(10)) # 生成器存放計算公式print(L) print(gen_L) print(next(gen_L)) # 取值 print(next(gen_L))""" [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] <generator object <genexpr> at 0x0000000001DFDF10> generator 就是生成器的意思 0 1 """

• generator保存的是算法，每次調用next(g)就計算出g的下一個元素的值，直到計算到最后一個元素，沒有更多的元素時，拋出StopIteration的錯誤，不調next函數并不會生層元素，就會節省內存，使用for循環可以解決異常

g = (x * x for x in range(10)) for n in g:print(n)

• generator非常強大。如果推算的算法比較復雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。

def fib(max):n, a, b = 0, 0, 1while n < max:print('before yield')yield b # 把函數的執行過程凍結在這一步，并且把b的值 返回給外面的next()print(b)a, b = b, a + bn = n + 1return 'done'f = fib(15) # turn function into a generator next(f) # first time call next() next 喚醒凍結的函數執行過程，繼續執行，直到遇到下一個yield next(f) # first time call next()""" before yield 1 before yield """

注意a, b = b, a + b 相當于

a, b = 0, 1 a, b = b, a + b print(a, b) a, b = 0, 1 t = a a = b b = t + b print(a, b)""" 1 1 1 1 """

函數方式創建

def range2(n):count = 0while count < n :print(count)stop_flag = yield count #中斷并返回return countif stop_flag == 'stop':print('stop iteration...')breakcount += 1b = range2(5) # 得到生成器 next(b) next(b) """ 0 Traceback (most recent call last):File "C:/Users/jingjing/PycharmProjects/py3Project", line 53, in <module>next(b) StopIteration: 0 """

生成器常用方法

next() # 喚醒生成器并繼續執行 send("stop") """ 1. 喚醒并繼續執行 2. 發送一個信息到生成器內部 注意生成器在剛開始，函數沒有執行到yield成為掛起狀態時，不能調用send("stop") 只能send('None')相當于next()使函數執行到yield """

send方法使用舉例

send方法第一次調用必須傳遞一個None參數，后續才可以傳遞自定義參數

def range2(n):count = 0while count < n:print('count', count)count += 1sign = yield count # returnif sign == 'stop':print("---sign", sign)breakprint('sin...', sign)return 3333new_range = range2(3)next(new_range) new_range.send(None) new_range.send("stop") """ count 0 sin... None count 1 ---sign stop Traceback (most recent call last):File "C:/Users/jingjing/PycharmProjects/py3Project.py", line 22, in <module>new_range.send("stop") StopIteration: 3333 """

生產者與消費者問題

import timedef consume(name):print("%s 準備吃包子啦!" % name)while True:y = yieldprint("包子[%s]來了,被[%s]吃了!" % (y, name))def producer(name):c = consume(name)next(c) # 函數執行到yieldfor i in range(1, 3):time.sleep(1)print("做了{}個包子!".format(i))c.send(i) # 把i傳到yieldproducer('qian')""" qian 準備吃包子啦! 做了1個包子! 包子[1]來了,被[qian]吃了! 做了2個包子! 包子[2]來了,被[qian]吃了! """

日志記錄

def logger(filename):"""日志方法:param filename: log filename :param channel: 輸出的目的地，屏幕(terminal)，文件(file)，屏幕+文件(both):return: """print('start logger')while True:msg = yieldprint("msg", msg)l = logger('USER.TXT') l.__next__()l.send('hi') l.send('hi,file')

計算移動平均值

# 必須先用next再用send def average():total=0 #總數day=0 #天數average=0 #平均數while True:day_num = yield average #average=0print('average', average)total += day_numday += 1average = total/day avg=average() #直接返回生成器 next(avg)#激活生成器，avg.send(None),什么都不傳的時候send和next的效果一樣 print(avg.send(10)) print(avg.send(20))#send 1.傳值 2.next print(avg.send(30)) """ average 0 10.0 average 10.0 15.0 average 15.0 20.0 """

帶裝飾器的計算移動平均值

# 讓裝飾器去激活 def wrapper(func):def inner(*args, **kwargs):print('execute wrapper')a = func(*args, **kwargs)next(a)return areturn inner@wrapper def average():total=0 #總數day=0 #天數average=0 #平均數while True:day_num = yield average #average=0print('average', average)total += day_numday += 1average = total/dayavg = average() print(avg.send(10)) print(avg.send(20))#send 1.傳值 2.next print(avg.send(30)) """ execute wrapper average 0 10.0 average 10.0 15.0 average 15.0 20.0 """

yield from

def gen1():for c in 'AB':yield cfor i in range(3):yield i print(gen1()) print(list(gen1()))def gen2():yield from 'AB' # 相當于 for c in 'AB': yield cyield from range(3) print(gen2()) print(list(gen2()))

處理異常

def fib(max):n, a, b = 0, 0, 1while n < max:print('before yield')yield b # 把函數的執行過程凍結在這一步，并且把b的值 返回給外面的next()a, b = b, a + bn = n + 1return 'done'g = fib(6) while True:try:x = next(g)print('g:', x)except StopIteration as e:print('Generator return value:', e.value)break

三、迭代器

可迭代對象與迭代器

迭代：可以將某個數據集內的數據“一個挨著一個的取出來”，就叫做迭代。就像for循環一樣取值。

可迭代協議：可以被迭代要滿足要求的就叫做可迭代協議。內部實現了__iter__方法

iterable：可迭代的------對應的標志

字符串、列表、元組、字典、集合都可以被for循環，說明他們都是可迭代的。

可以使用isinstance()判斷一個對象是否是Iterable對象：

可以被next函數調用并且返回下一個值的對象叫迭代器

from collections import Iterableprint(isinstance([], Iterable)) print(isinstance(123, Iterable)) print(isinstance('345', Iterable)) # """ # True # False # True # """

可迭代和迭代器區別

1. 區別：

• 可迭代的結構并不代表一定是一個迭代器，如：列表是可迭代的但不是迭代器；生層式是可迭代的也是迭代器
• 可以通過系統函數iter（）將一個可迭代的結構變成一個迭代器

2.迭代器：

生成器不但可以作用于for循環，還可以被next()函數不斷調用并返回下一個值，直到最后拋出StopIteration錯誤表示無法繼續返回下一個值了

• 迭代器協議：內部實現了__iter__，__next__方法。

3. 迭代器的優點：

如果用了迭代器，節約內存，方便操作，生成器是一種特殊的迭代器（Iterator）。

4.相同點與不同點：

• 可迭代和迭代器的相同點：都可以用for循環
• 可迭代和迭代器的不同點：就是迭代器內部多實現了一個__next__方法

5.判斷迭代器和可迭代的方法

• 第一種：判斷內部是不是實現了__next__方法
• print(‘next’ in dir(range(12))) #查看’next’是不是在range()方法執行之后內部是否有__next__
• print(‘iter’ in dir(range(12))) #查看’next’是不是在range()方法執行之后內部是否有__next__
• 第二種：
• Iterable 判斷是不是可迭代對象
• Iterator 判斷是不是迭代器

from collections import Iterable from collections import Iterator#比如給一個字符串 s='abc' print(isinstance(s,Iterable))#isinstance判斷類型的 print(isinstance(s,Iterator))

判斷range函數和map函數

深入了解Iterator對象

生成器都是Iterator對象，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：

你可能會問，為什么list、dict、str等數據類型不是Iterator？

• 這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用并不斷返回下一個數據，
• 直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，
• 只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。
• Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

迭代器小結

• 凡是可作用于for循環的對象都是Iterable類型；
• 凡是可作用于next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；
• 集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。
• Python3的for循環本質上就是通過不斷調用next()函數實現的，例如：

for x in [1, 2, 3, 4, 5]:pass 等價于復制代碼 # 首先獲得Iterator對象: iter_object = iter([1, 2, 3, 4, 5]) # 循環: while True:try:# 獲得下一個值:x = next(iter_object)except StopIteration:# 遇到StopIteration就退出循環break

總結

以上是生活随笔為你收集整理的Python的列表推倒式、生成器及迭代器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。