python中的迭代器和生成器學習筆記總結

生成器就是一個在行爲上和迭代器很是相似的對象.   是個對象！

迭代，顧名思意就是不停的代換的意思,迭代是重複反饋過程的活動，其目的一般是爲了逼近所需目標或結果。每一次對過程的重複稱爲一次「迭代」，而每一次迭代獲得的結果會做爲下一次迭代的初始值。

 

迭代器就是用於迭代操做（for 循環）的對象。它像列表同樣能夠迭代獲取其中的每個元素，任何實現了 __next__ 方法（python2 是 next）的對象均可以稱爲迭代器。

 

它與列表的區別在於，構建迭代器的時候，不像列表把全部元素一次性加載到內存，而是以一種延遲計算（lazy evaluation）方式返回元素，這正是它的優勢。好比列表含有中一千萬個整數，須要佔超過400M的內存，而迭代器只須要幾十個字節的空間。由於它並無把全部元素裝載到內存中，而是等到調用 next 方法時候才返回該元素（call by need 的方式），本質上 for 循環就是不斷地調用迭代器的next方法。

 

咱們自定義一個迭代器，以斐波那契數列爲例：

 

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既是一個可迭代對象（由於它實現了 __iter__方法），又是一個迭代器（由於實現了 __next__方法）。實例變量 prev和 curr用戶維護迭代器內部的狀態。每次調用 next()方法的時候作兩件事：

 

爲下一次調用 next()方法修改狀態

爲當前此次調用生成返回結果

 

迭代器就像一個懶加載的工廠，等到有人須要的時候纔給它生成值返回，沒調用的時候就處於休眠狀態等待下一次調用。

 

生成器

然而在 Python 中還有一種函數，用關鍵字 yield 來返回值，這種函數叫生成器函數，函數被調用時會返回一個生成器對象，生成器本質上仍是一個迭代器，也是用在迭代操做中，所以它有和迭代器同樣的特性，惟一的區別在於實現方式上不同，後者更加簡潔

關係

生成器實際上是一種特殊的迭代器，不過這種迭代器更加優雅。它不須要再像上面的類同樣寫 __iter__()和 __next__()方法了，只須要一個 yiled關鍵字。 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種懶加載的模式生成值。

 

 

若是列表元素能夠按照某種算法推算出來，那咱們是否能夠在循環的過程當中不斷推算出後續的元素呢？這樣就沒必要建立完整的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，稱爲生成器（Generator）

 

要建立一個generator，有不少種方法:

 

 

1.只要把一個列表生成式的[]改爲()，就建立了一個generator，又叫生成器表達式(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的每個元素呢？

 

若是要一個一個打印出來，能夠經過generator的next()方法：

>>> g.next()

0

>>> g.next()

1

>>> g.next()

4

......

 

不斷調用next()方法實在是太變態了，正確的方法是使用for循環，由於generator也是可迭代對象：

>>> 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.若是推算的算法比較複雜，能夠用函數來實現。

 

若是一個函數定義中包含yield關鍵字，那麼這個函數就再也不是一個普通函數，而是一個generator.

 

最難理解的就是generator和函數的執行流程不同。函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

 

舉個簡單的例子（很清楚了），定義一個generator，依次返回數字1，3，5：

 

>>> def odd():

...     print 'step 1'

...     yield 1

...     print 'step 2'

...     yield 3

...     print 'step 3'

...     yield 5

...

>>> o = odd()  ----->返回的是一個生成器對象，此時函數體中的代碼並不會執行，只有顯示或隱示地調用next的時候纔會真正執行裏面的代碼。

>>> 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

 

能夠看到，odd不是普通函數，而是generator，在執行過程當中，遇到yield就中斷，下次又繼續執行。執行3次yield後，已經沒有yield能夠執行了，因此，第4次調用nex

 

把函數改爲generator後，咱們基本上歷來不會用next()來調用它，而是直接使用for循環來迭代：

 

例子：好比，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數均可由前兩個數相加獲得：

 

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

 

（1）用函數實現：

 

def fib(max):

    n, a, b = 0, 0, 1

    while n < max:

        print b

        a, b = b, a + b

        n = n + 1

 

 

輸出：

>>> fib(6)

1

1

2

3

5

8

 

（2）要把fib函數變成generator，只須要把print b改成yield b就能夠了：

 

 

def fib(max):

    n, a, b = 0, 0, 1

    while n < max:

        yield b

        a, b = b, a + b

        n = n + 1

 

輸出：

>>> fib(6)

<generator object fib at 0x104feaaa0>

 

把函數改爲generator後，咱們基本上歷來不會用next()來調用它，而是直接使用for循環來迭代：

 

>>> for n in fib(6):

...     print n

...

1

1

2

3

5

8