python中的生成器（generator）總結

1.實現generator的兩種方式

python中的generator保存的是算法，真正須要計算出值的時候纔會去往下計算出值。它是一種惰性計算（lazy evaluation）。

要建立一個generator有兩種方式。

第一種方法：把一個列表生成式的[]改爲()，就建立了一個generator：

>>> 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))   # 注意把[]改爲()後，不是生成一個tuple，而是生成一個generator
>>> g
<generator object <genexpr> at 0x1022ef630>

第二種方式：在函數中使用yield關鍵字，函數就變成了一個generator。

函數裏有了yield後，執行到yield就會停住，當須要再往下算時纔會再往下算。因此生成器函數即便是有無限循環也不要緊，它須要算到多少就會算多少，不須要就不往下算。

def fib():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b


f = fib()
print f, next(f), next(f), next(f)
#  <generator object fib at 0x7f89769d1fa0> 0 1 1

如上例，第一次輸出f，它就是一個generator，以後每次next，它就執行到yield a。

固然其實日常不多用到next()，咱們直接用for循環就能夠遍歷一個generator，其實for循環的內部實現就是不停調用next()。

生成器能夠避免沒必要要的計算，帶來性能上的提高；並且會節約空間，能夠實現無限循環（無窮大的）的數據結構。

 

2.可迭代對象(Iterable)和迭代器(Iterator)的概念

能夠直接做用於for循環的對象統稱爲可迭代對象：Iterable。

包括集合數據類型（list、tuple、dict、set、str等）和生成器（generator）。

可使用isinstance()判斷一個對象是不是Iterable對象。

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

迭代器：Iterator。

它表示的是一個數據流，Iterator對象能夠被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。能夠把這個數據流看作是一個有序序列，但咱們卻不能提早知道序列的長度，只能不斷經過next()函數實現按需計算下一個數據，因此Iterator的計算是惰性的，只有在須要返回下一個數據時它纔會計算。Iterator甚至能夠表示一個無限大的數據流，例如全體天然數。而使用list是永遠不可能存儲全體天然數的。

生成器（generator）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可使用iter()函數：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

Python的for循環本質上就是經過不斷調用next()函數實現的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

實際上徹底等價於：

# 首先得到Iterator對象:
it = iter([1, 2, 3, 4, 5])
# 循環:
while True:
    try:
        # 得到下一個值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循環
        break

 

3.itertools模塊

python的內置模塊itertools提供了用於操做迭代對象的函數，很是方便實用。舉一個例子：

islice(iterable, [start, ] stop [, step]):

建立一個迭代器，生成項的方式相似於切片返回值： iterable[start : stop : step]，將跳過前start個項，迭代在stop所指定的位置中止，step指定用於跳過項的步幅。與切片不一樣，負值不會用於任何start，stop和step，若是省略了start，迭代將從0開始，若是省略了step，步幅將採用1.

from itertools import islice


def fib():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b


f = fib()
print list(islice(f, 10))# [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]