Python可迭代對象、迭代器和生成器

時間 2019-11-13

原文原文鏈接

Python可迭代對象、迭代器和生成器

python 函數表達式序列 count utf-8 雲棲徵文 python可迭代對象 python迭代器 python生成器python

摘要： 8.1 可迭代對象（Iterable）大部分對象都是可迭代，只要實現了__iter__方法的對象就是可迭代的。 __iter__方法會返回迭代器（iterator）自己，例如： >>> lst = [1,2,3] >>> lst.__iter__() <listiterator objec...less

8.1 可迭代對象（Iterable）

大部分對象都是可迭代，只要實現了__iter__方法的對象就是可迭代的。

__iter__方法會返回迭代器（iterator）自己，例如：

>>> lst = [1,2,3]

>>> lst.__iter__()

Python提供一些語句和關鍵字用於訪問可迭代對象的元素，好比for循環、列表解析、邏輯操做符等。

判斷一個對象是不是可迭代對象：

>>> from collections import Iterable # 只導入Iterable方法

>>> isinstance('abc', Iterable)

True

>>> isinstance(1, Iterable)

False

>>> isinstance([], Iterable)

True

這裏的isinstance()函數用於判斷對象類型，後面會講到。

可迭代對象通常都用for循環遍歷元素，也就是能用for循環的對象均可稱爲可迭代對象。

例如，遍歷列表：

>>> lst = [1, 2, 3]

>>> for i in lst:

... print i

...

博客地址：http://lizhenliang.blog.51cto.com and https://yq.aliyun.com/u/lizhenliang
QQ羣：323779636（Shell/Python運維開發羣）

8.2 迭代器（Iterator）

具備next方法的對象都是迭代器。在調用next方法時，迭代器會返回它的下一個值。若是next方法被調用，但迭代器沒有值能夠返回，就會引起一個StopIteration異常。

使用迭代器的好處：

1）若是使用列表，計算值時會一次獲取全部值，那麼就會佔用更多的內存。而迭代器則是一個接一個計算。

2）使代碼更通用、更簡單。

8.2.1 迭代器規則

回憶下在Python數據類型章節講解到字典迭代器方法，來舉例說明下迭代器規則：

>>> d = {'a':1, 'b':2, 'c':3}

>>> d.iteritems()

<dictionary-itemiterator object at 0x7f97c3b1bcb0>

# 判斷是不是迭代器

>>> from collections import Iterator

>>> isinstance(d, Iterator)

False

>>> isinstance(d.iteritems(), Iterator)

True

# 使用next方法。

>>> iter_items = d.iteritems()

>>> iter_items.next()

('a', 1)

>>> iter_items.next()

('c', 3)

>>> iter_items.next()

('b', 2)

因爲字典是無序的，因此顯示的是無序的，實際是按照順序獲取的下一個元素。

8.2.2 iter()函數

使用iter()函數轉換成迭代器：

語法：

iter(collection) -> iterator

iter(callable, sentinel) -> iterator

>>> lst = [1, 2, 3]

>>> isinstance(lst, Iterator)

False

>>> lst.next() # 不是迭代器是不具有next()屬性的

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

AttributeError: 'list' object has no attribute 'next'

>>> iter_lst = iter(lst)

>>> isinstance(iter_lst, Iterator)

True

>>> iter_lst.next()

8.2.3 itertools模塊

itertools模塊是Python內建模塊，提供可操做迭代對象的函數。能夠生成迭代器，也能夠生成無限的序列迭代器。

有下面幾種生成無限序列的方法：

count([n]) --> n, n+1, n+2, ...

cycle(p) --> p0, p1, ... plast, p0, p1, ...

repeat(elem [,n]) --> elem, elem, elem, ... endlessly or up to n times

也有幾個操做迭代器的方法：

islice(seq, [start,] stop [, step]) --> elements from

chain(p, q, ...) --> p0, p1, ... plast, q0, q1, ...

groupby(iterable[, keyfunc]) --> sub-iterators grouped by value of keyfunc(v)

imap(fun, p, q, ...) --> fun(p0, q0), fun(p1, q1), ...

ifilter(pred, seq) --> elements of seq where pred(elem) is True

1）count生成序列迭代器

>>> from itertools import * # 導入全部方法

# 用法 count(start=0, step=1) --> count object

>>> counter = count()

>>> counter.next()

......

可使用start參數設置開始值，step設置步長。

2）cycle用可迭代對象生成迭代器

# 用法 cycle(iterable) --> cycle object

>>> i = cycle(['a', 'b', 'c'])

>>> i.next()

'a'

>>> i.next()

'b'

>>> i.next()

'c'

3）repeat用對象生成迭代器

# 用法 repeat(object [,times]) -> create an iterator which returns the object，就是任意對象

>>> i = repeat(1)

>>> i.next()

......

可以使用無限次。

也能夠指定次數：

>>> i = repeat(1, 2)

>>> i.next()

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration

4）islice用可迭代對象並設置結束位置

# 用法 islice(iterable, [start,] stop [, step]) --> islice object

>>> i = islice([1,2,3],2)

>>> i.next()

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration

正常的話也能夠獲取的3。

5）chain用多個可迭代對象生成迭代器

# 用法 chain(*iterables) --> chain object

>>> i = chain('a','b','c')

>>> i.next()

'a'

>>> i.next()

'b'

>>> i.next()

'c'

6）groupby將可迭代對象中重複的元素挑出來放到一個迭代器中

# 用法 groupby(iterable[, keyfunc]) -> create an iterator which returns

>>> for key,group in groupby('abcddCca'):

... print key,list(group)

...

a ['a']

b ['b']

c ['c']

d ['d', 'd']

C ['C']

c ['c']

a ['a']

groupby方法是區分大小寫的，若是想把大小寫的都放到一個迭代器中，能夠定義函數處理下：

>>> for key,group in groupby('abcddCca', lambda c: c.upper()):

... print key, list(group)

...

A ['a']

B ['b']

C ['c']

D ['d', 'd']

C ['C', 'c']

A ['a']

7）imap用函數處理多個可迭代對象

# 用法 imap(func, *iterables) --> imap object

>>> a = imap(lambda x, y: x * y,[1,2,3],[4,5,6])

>>> a.next()

8)ifilter過濾序列

# 用法 ifilter(function or None, sequence) --> ifilter object

>>> i = ifilter(lambda x: x%2==0,[1,2,3,4,5])

>>> for i in i:

... print i

...

當使用for語句遍歷迭代器時，步驟大體這樣的，先調用迭代器對象的__iter__方法獲取迭代器對象，再調用對象的__next__()方法獲取下一個元素。最後引起StopIteration異常結束循環。

8.3 生成器（Generator）

什麼是生成器？

1）任何包含yield語句的函數都稱爲生成器。

2）生成器都是一個迭代器，但迭代器不必定是生成器。

8.3.1 生成器函數

在函數定義中使用yield語句就建立了一個生成器函數，而不是普通的函數。

當調用生成器函數時，每次執行到yield語句，生成器的狀態將被凍結起來，並將結果返回__next__調用者。凍結意思是局部的狀態都會被保存起來，包括局部變量綁定、指令指針。確保下一次調用時能從上一次的狀態繼續。

以生成斐波那契數列舉例說明yield使用：

斐波那契（Fibonacci）數列是一個簡單的遞歸數列，任意一個數均可以由前兩個數相加獲得。

#!/usr/bin/python

# -*- coding: utf-8 -*-

def fab(max):

n, a, b = 0, 0, 1

while n < max:

print b

a, b = b, a + b

n += 1

fab(5)

# python test.py

使用yied語句，只須要把print b改爲yield b便可：

#!/usr/bin/python

# -*- coding: utf-8 -*-

def fab(max):

n, a, b = 0, 0, 1

while n < max:

yield b

# print b

a, b = b, a + b

n += 1

print fab(5)

# python test.py

可見，調用fab函數不會執行fab函數，而是直接返回了一個生成器對象，上面說過生成器就是一個迭代器。那麼就能夠經過next方法來返回它下一個值。

>>> import test

>>> f = test.fab(5)

>>> f.next()

每次fab函數的next方法，就會執行fab函數，執行到yield b時，fab函數返回一個值，下一次執行next方法時，代碼從yield b的嚇一跳語句繼續執行，直到再遇到yield。

8.3.2 生成器表達式

在第四章 Python運算符和流程控制章節講過，簡化for和if語句，使用小括號()返回一個生成器，中括號[]生成一個列表。

回顧下：

# 生成器表達式

>>> result = (x for x in range(5))

>>> result

>>> type(result)

# 列表解析表達式

>>> result = [ x for x in range(5)]

>>> type(result)

>>> result

[0, 1, 2, 3, 4]

第一個就是生成器表達式，返回的是一個生成器，就可使用next方法，來獲取下一個元素：

>>> result.next()

......

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。