1. 迭代器

? ? ? 迭代器是訪問集合元素的一種方式。迭代器對象從集合的第一個元素開始訪問，知道所有的元素被訪問完結(jié)束。迭代器只能往前不會后退，不過這也沒什么，因?yàn)槿藗兒苌僭诘局型笸恕?/p>

1.1 使用迭代器的優(yōu)點(diǎn)

? ? ? 對于原生支持隨機(jī)訪問的數(shù)據(jù)結(jié)構(gòu)（如tuple、list），迭代器和經(jīng)典for循環(huán)的索引訪問相比并無優(yōu)勢，反而丟失了索引值（可以使用內(nèi)建函數(shù)enumerate()找回這個索引值）。但對于無法隨機(jī)訪問的數(shù)據(jù)結(jié)構(gòu)（比如set）而言，迭代器是唯一的訪問元素的方式。

? ? ? 另外，迭代器的一大優(yōu)點(diǎn)是不要求事先準(zhǔn)備好整個迭代過程中所有的元素。迭代器僅僅在迭代到某個元素時才計(jì)算該元素，而在這之前或之后，元素可以不存在或者被銷毀。這個特點(diǎn)使得它特別適合用于遍歷一些巨大的或是無限的集合，比如幾個G的文件，或是斐波那契數(shù)列等等。

? ? ? 迭代器更大的功勞是提供了一個統(tǒng)一的訪問集合的接口，只要定義了__iter__()方法對象，就可以使用迭代器訪問。

迭代器有兩個基本的方法

• next方法：返回迭代器的下一個元素
• __iter__方法：返回迭代器對象本身

下面用生成斐波那契數(shù)列為例子，說明為何用迭代器

代碼1

def fab(max): n, a, b = 0, 0, 1 while n < max: print b a, b = b, a + b n = n + 1

直接在函數(shù)fab(max)中用print打印會導(dǎo)致函數(shù)的可復(fù)用性變差，因?yàn)閒ab返回None。其他函數(shù)無法獲得fab函數(shù)返回的數(shù)列。

代碼2

def fab(max): L = []n, a, b = 0, 0, 1 while n < max: L.append(b) a, b = b, a + b n = n + 1return L

代碼2滿足了可復(fù)用性的需求，但是占用了內(nèi)存空間，最好不要。

代碼3

對比

for i in range(1000): pass for i in xrange(1000): pass

前一個返回1000個元素的列表，而后一個在每次迭代中返回一個元素，因此可以使用迭代器來解決復(fù)用可占空間的問題

class Fab(object): def __init__(self, max): self.max = max self.n, self.a, self.b = 0, 0, 1 def __iter__(self): return self def next(self): if self.n < self.max: r = self.b self.a, self.b = self.b, self.a + self.b self.n = self.n + 1 return r raise StopIteration()

執(zhí)行

1 2 3 4 5 6 7 8 9

>>> for key in Fabs(5): ????print?key ????? 1 1 2 3 5

Fabs 類通過 next() 不斷返回?cái)?shù)列的下一個數(shù)，內(nèi)存占用始終為常數(shù)　　

1.2 使用迭代器

使用內(nèi)建的工廠函數(shù)iter(iterable)可以獲取迭代器對象：

1 2 3 4

>>> lst = range(5) >>> it = iter(lst) >>> it <listiterator object at?0x01A63110>

使用next()方法可以訪問下一個元素：

1 2 3 4 5 6

>>> it.next() 0 >>> it.next() 1 >>> it.next() 2

python處理迭代器越界是拋出StopIteration異常

1 2 3 4 5 6 7 8 9 10 11 12

>>> it.next() 3 >>> it.next <method-wrapper?'next'?of listiterator object at?0x01A63110> >>> it.next() 4 >>> it.next() Traceback (most recent call last): ??File?"<pyshell#27>", line?1, in <module> ????it.next() StopIteration

了解了StopIteration，可以使用迭代器進(jìn)行遍歷了

lst = range(5) it = iter(lst) try:while True:val = it.next()print val except StopIteration:pass

結(jié)果

1 2 3 4 5 6

>>> 0 1 2 3 4

事實(shí)上，因?yàn)榈魅绱似毡?#xff0c;python專門為for關(guān)鍵字做了迭代器的語法糖。在for循環(huán)中，Python將自動調(diào)用工廠函數(shù)iter()獲得迭代器，自動調(diào)用next()獲取元素，還完成了檢查StopIteration異常的工作。如下

>>> a = (1, 2, 3, 4) >>> for key in a:print key1 2 3 4

首先python對關(guān)鍵字in后的對象調(diào)用iter函數(shù)迭代器，然后調(diào)用迭代器的next方法獲得元素，直到拋出StopIteration異常。

1.3 定義迭代器

下面一個例子——斐波那契數(shù)列

# -*- coding: cp936 -*- class Fabs(object):def __init__(self,max):self.max = maxself.n, self.a, self.b = 0, 0, 1 #特別指出：第0項(xiàng)是0，第1項(xiàng)是第一個1.整個數(shù)列從1開始def __iter__(self):return selfdef next(self):if self.n < self.max:r = self.bself.a, self.b = self.b, self.a + self.bself.n = self.n + 1return rraise StopIteration()print Fabs(5) for key in Fabs(5):print key

結(jié)果

1 2 3 4 5 6

<__main__.Fabs object at?0x01A63090> 1 1 2 3 5

?

2. 生成器

? ? ? 帶有 yield 的函數(shù)在 Python 中被稱之為 generator（生成器），幾個例子說明下（還是用生成斐波那契數(shù)列說明）

可以看出代碼3遠(yuǎn)沒有代碼1簡潔，生成器（yield）既可以保持代碼1的簡潔性，又可以保持代碼3的效果

代碼4　

def fab(max):n, a, b = 0, 0, 1while n < max:yield ba, b = b, a + bn = n + 1

執(zhí)行

1 2 3 4 5 6 7 8 9

>>> for n in fab(5): ????print?n ????? 1 1 2 3 5

? ? ? 簡單地講，yield 的作用就是把一個函數(shù)變成一個 generator，帶有 yield 的函數(shù)不再是一個普通函數(shù)，Python 解釋器會將其視為一個 generator，調(diào)用 fab(5) 不會執(zhí)行 fab 函數(shù)，而是返回一個?iterable 對象！在 for 循環(huán)執(zhí)行時，每次循環(huán)都會執(zhí)行 fab 函數(shù)內(nèi)部的代碼，執(zhí)行到?yield b 時，fab 函數(shù)就返回一個迭代值，下次迭代時，代碼從 yield b 的下一條語句繼續(xù)執(zhí)行，而函數(shù)的本地變量看起來和上次中斷執(zhí)行前是完全一樣的，于是函數(shù)繼續(xù)執(zhí)行，直到再次遇到 yield。看起來就好像一個函數(shù)在正常執(zhí)行的過程中被 yield 中斷了數(shù)次，每次中斷都會通過 yield 返回當(dāng)前的迭代值。

也可以手動調(diào)用 fab(5) 的 next() 方法（因?yàn)?fab(5) 是一個 generator 對象，該對象具有 next() 方法），這樣我們就可以更清楚地看到 fab 的執(zhí)行流程：

1 2 3 4 5 6 7 8 9 10 11 12 13

>>> f = fab(3) >>> f.next() 1 >>> f.next() 1 >>> f.next() 2 >>> f.next() Traceback (most recent call last): ??File?"<pyshell#62>", line?1, in <module> ????f.next() StopIteration

return作用

在一個生成器中，如果沒有return，則默認(rèn)執(zhí)行到函數(shù)完畢；如果遇到return,如果在執(zhí)行過程中 return，則直接拋出 StopIteration 終止迭代。例如

1 2 3 4 5 6 7 8 9

>>> s = fab(5) >>> s.next() 1 >>> s.next() Traceback (most recent call last): ??File?"<pyshell#66>", line?1, in <module> ????s.next() StopIteration

代碼5??文件讀取

def read_file(fpath): BLOCK_SIZE = 1024 with open(fpath, 'rb') as f: while True: block = f.read(BLOCK_SIZE) if block: yield block else: return

如果直接對文件對象調(diào)用 read() 方法，會導(dǎo)致不可預(yù)測的內(nèi)存占用。好的方法是利用固定長度的緩沖區(qū)來不斷讀取文件內(nèi)容。通過 yield，我們不再需要編寫讀文件的迭代類，就可以輕松實(shí)現(xiàn)文件讀取。

?3.列表生成式→生成器

只要把一個列表生成式的[]改成()，就創(chuàng)建了一個generator：

1 #列表生成式 2 li=[x*x for x in range(10) if x%2==0] #占用內(nèi)存 3 4 5 #生成器 6 g=(x*x for x in range(10) if x%2==0) 7 #用for來循環(huán)訪問，不用考慮異常溢出問題 8 for i in g: 9 print(i) View Code

4.迭代器讀取文件

使用迭代器一個顯而易見的好處就是：每次只從對象中讀取一條數(shù)據(jù)，不會造成內(nèi)存的過大開銷。

?

比如要逐行讀取一個文件的內(nèi)容，利用readlines()方法，我們可以這么寫：

?

1 2	for line in open("test.txt").readlines(): print line

?

這樣雖然可以工作，但不是最好的方法。因?yàn)樗麑?shí)際上是把文件一次加載到內(nèi)存中，然后逐行打印。當(dāng)文件很大時，這個方法的內(nèi)存開銷就很大了。

?

利用file的迭代器，我們可以這樣寫：

?

1 2	for line in open("test.txt"): #use file iterators print line

?

這是最簡單也是運(yùn)行速度最快的寫法，他并沒顯式的讀取文件，而是利用迭代器每次讀取下一行。

?

轉(zhuǎn)載于:https://www.cnblogs.com/yizhenfeng168/p/6916729.html

總結(jié)

以上是生活随笔為你收集整理的python基础：迭代器、生成器（yield）详细解读的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。