Python学习日记(十) 生成器和迭代器

使用dir()我们可以知道这个数据类型的内置函数有什么方法:

print(dir(int))　　

print(dir(bool))

print(dir([]))

print(dir({}))

print(dir(set))

1.迭代器

iterable：可迭代的

迭代就是将数据能够一个一个按顺序取出来

s = 'abc'

print('__iter__' in dir(s))      #True

li = [1,2]

print('__iter__' in dir(li))     #True

b = False

print('__iter__' in dir(b))      #False

i = 123

print('__iter__' in dir(i))      #False

dic = {}

print('__iter__' in dir(dic))    #True

set1 = set()

print('__iter__' in dir(set1))   #True

上面数据类型返回为真说明它是可以迭代的,反之是不可迭代的

可迭代协议:

就是内部要有一个__iter__()来满足要求

当一个具有可迭代的数据执行__iter__()它将返回一个迭代器的内存地址

print('abc'.__iter__()) #<str_iterator object at 0x005401F0>

这里的iterator的意思是迭代器

迭代器协议:

现在有一个列表我们来看看它本身和在执行了__iter__()之后的方法有什么不同:

li = [1,2,3,'a']

print(dir(li))  #['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']

print(dir(li.__iter__()))   #['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__length_hint__', '__lt__', '__ne__', '__new__', '__next__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setstate__', '__sizeof__', '__str__', '__subclasshook__']

'''求两者的差集'''

print(set(dir(li.__iter__())) - set(dir(li)))   #{'__length_hint__', '__setstate__', '__next__'}

__length_hint__（）的作用是求元素的长度

__setstate__（）的作用是指定索引值从哪里开始迭代

__next__（）的作用可以让值一个一个的取出

在之前用到的for循环我们就是用__next__（）这种方法进行取值,现在我们可以模拟for来写一个函数:

li = [1,2,3,'a']

def getItem(li):

    iterator = li.__iter__()

    while True:

         print(iterator.__next__())

getItem(li)

#

#

#

# a

#StopIteration 如果找不到元素就会报错

如何处理掉这个异常?

li = [1,2,3,'a']

def getItem(li):

    iterator = li.__iter__()

    while True:

        try:

            print(iterator.__next__())

        except StopIteration:

            break

getItem(li)

#

#

#

# a

迭代器遵循迭代器协议:必须要有__iter__()和__next__()

迭代器的好处:

　　a.从容器类型中一个一个的取值,会把所有的值都取到

　　b.节省内存的空间

　　　　　迭代器并不会在内存中占用一大块内存,而是随着循环每次生成一个,每一次使用__next__()来给值

range():

print(range(10000000))  #range(0, 10000000)

实际上range()在调用的时候并没有真正生成这么多的值,如果真的生成的话那么内存可能会溢出

print('__iter__' in dir(range(10)))     #True

print('__next__' in dir(range(10)))     #False

from collections import Iterable

from collections import Iterator

print(isinstance(range(10),Iterable))    #True  是一个可迭代对象

print(isinstance(range(10),Iterator))    #False 在执行后得到的结果并不是一个迭代器

迭代器总结:

1.可以被for循环的都是可迭代的

2.可迭代的内部都有__iter__()方法

3.只要是迭代器一定可以迭代

4.可迭代的变量.__iter__()方法可以得到一个迭代器

5.迭代器中的__next__()方法可以一个一个的获取值

6.for循环实际上就是在使用迭代器

2.生成器

生成器函数

本质上就是我们自己写的函数,只要含有yield关键字的函数就是生成器函数,yield不能和return共用且需要写在函数内部

def generator():        #生成器函数

    print('a')

    yield 5

ret = generator()       #ret是一个生成器

print(ret)              #<generator object generator at 0x00503F00>

生成器函数每次执行的时候会得到一个生成器作为返回值

如果要返回函数值:

def generator():        #生成器函数

    print('a')

    yield 5

    print('b')

    yield 4

g = generator()        #g是一个生成器

print(g)               #<generator object generator at 0x00503F00>

ret = g.__next__()

print(ret)              #a

                        #

print('---------')

ret = g.__next__()

print(ret)              #b

                        #

执行顺序:

使用for循环遍历生成器:

def generator():        #生成器函数

    print('a')

    yield 5

    print('b')

    yield 4

    print('c')

    yield 6

g = generator()       #g是一个生成器

for i in g:

    print(i)

# a

#

# b

#

# c

#

send():

send()和__next__()都有获取下一个值的功能,但send()在获取下一个值的时候可以给上一个yield的位置传递一个数据,让用户进行接收

send()在使用时需注意在第一次使用生成器时需用__next__()获取下一个值并且最后一个yield不能接受外部的值

def generator():         #生成器函数

    print('a')           #

    content = yield 1    #

    print(content,'= 1') #

    print('b')           #

    content2 = yield 2   #

    print(content2,'= 2')#

    yield 3              #

g = generator()          #生成器g

ret = g.__next__()       #执行1和2的右边语句

print(ret)               #返回yield的值1

ret = g.send('a')        #传递给yield一个值'a'让content接收，然后执行3,4语句

print(ret)               #返回yield的值2

ret = g.send('b')        #传递给yield一个值'b'让content2接收，然后执行6语句 yield再返回一个值3

print(ret)

# a

#

# a = 1

# b

#

# b = 2

#

移动平均值例子:

def average():          #定义一个平均值的生成器函数

    sum = 0

    count = 0

    avg = 0

    while True:

        num = yield avg

        sum += num

        count += 1

        avg = sum/count

avg_g = average()       #取得生成器

avg_g.__next__()

avg1 = avg_g.send(int(input()))     #

avg1 = avg_g.send(int(input()))     #

print(avg1)                         #

预激装饰器的生成器

def wrapper(func):

    def inner(*args,**kwargs):

        g = func(*args,**kwargs)

        g.__next__()

        return g

    return inner

@wrapper                #wrapper = wrapper(func)

def avgerage():

    sum = 0

    count = 0

    avg = 0

    while True:

        num = yield avg

        sum += num

        count += 1

        avg = sum/count

avg_g = avgerage()

print(avg_g.send(10))

print(avg_g.send(20))

print(avg_g.send(30))

yiled form

如何将字符串一个一个的去返回？

一般方法:

def generator():

    a = 'abcde'

    b = 'efdgh'

    for i in a:

        yield i

    for i in b:

        yield i

g = generator()

for i in g:

    print(i)

用yiled form:

def generator():

    a = 'abcde'

    b = 'efdgh'

    yield from a

    yield from b

g = generator()

for i in g:

    print(i)

# a

# b

# c

# d

# e

# e

# f

# d

# g

# h

监听文件例子:

def tail(filename):

    f = open(filename,encoding='utf-8')

    while True:

        line = f.readline()

        if line.strip():

             yield line.strip()

g = tail('tail')

for i in g:

    if 'python' in i:

        print('******',i)

# ****** python

# ****** asd python

3.推导式

优点:基本不消耗内存

语法:以列表推导式为例

　　　(1)遍历元素进行挨个处理:[每一个元素或者是和元素相关的操作 for 元素 in 可迭代数据类型]　　

　　　(2)筛选功能:[满足条件的元素的相关操作 for 元素 in 可迭代数据类型 if 元素相关的条件]

1.列表推导式

li = [i*i for i in range(5)]

print(li)   #[0, 1, 4, 9, 16]

找到50以内能被5整除的数:

li = [i for i in range(50) if i % 5 == 0]

print(li)   #[0, 5, 10, 15, 20, 25, 30, 35, 40, 45]

找到两个列表中都含有一个'x'的元素

names = [['xasd','12sa','xa'],['','','x233']]

li = [name for lst in names for name in lst if name.count('x') == 1]

print(li)   #['xasd', 'xa', 'x233']

2.生成器推导式

g = (i*2 for i in [1,5,6,7])

print(g)    #<generator object <genexpr> at 0x006E4F00>

for i in g:

    print(i)

#

#

#

#

3.字典推导式

将字典的键值互换

dict = {'key1' : 'value1','key2' : 'value2','key3' : 'value3'}

print(dict)         #{'key3': 'value3', 'key2': 'value2', 'key1': 'value1'}

new_dict = {dict[i] : i for i in dict}

print(new_dict)     #{'value2': 'key2', 'value1': 'key1', 'value3': 'key3'}

合并大小写对应的value值,再将键都统一成小写

dict = {'a' : 1,'b' : 2,'A' : 3,'c' : 4}

new_dict = {k.lower() : dict.get(k.lower(),0) + dict.get(k.upper(),0) for k in dict}    #如果没有找到这个值就返回0

print(new_dict) #{'c': 4, 'b': 2, 'a': 4}

4.集合推导式

具有去重复的功能

set = {x**2 for x in range(-5,6)}

print(set)  #{0, 1, 4, 9, 16, 25}

4.相关面试题

例一:

def generator():

    for i in range(4):

        yield i

g = generator()

g1 = (i for i in g)

g2 = (i for i in g1)

print(list(g1))         #[0, 1, 2, 3]

print(list(g2))         #[]       因为g2是往g1去拿值,但是g1已经从g用for循环遍历完了值,所以g2是一个空的列表

例二:

def add(n,i):

    return n+i

def test():

    for i in range(4):  #0 1 2 3

        yield i

g = test()

for n in [1,10]:

    g = (add(n,i) for i in g)

'''

n = 1

g = (add(n,i) for i in g)   这里的代码因为跑过了 就不执行

n = 10

g = (add(n,i) for i in (add(n,i) for i in test()))

所以

g = (add(10,i) for i in (add(10,i) for i in [0,1,2,3]))

g = (add(10,i) for i in (10,11,12,13)

g = (20,21,22,23)

'''

print(list(g))           #[20, 21, 22, 23]     当没有调用的时候上面的代码都不会执行

巴特西

Python学习日记(十) 生成器和迭代器

最新文章

热门文章