龙空技术网

花了一天对Python中的生成器(generator)的总结

一起学编程呀 80

前言:

如今大家对“python中generator”大致比较着重,姐妹们都想要分析一些“python中generator”的相关内容。那么小编在网络上搜集了一些有关“python中generator””的相关知识,希望姐妹们能喜欢,各位老铁们快快来学习一下吧!

1.实现generator的两种方式

python中的generator保存的是算法,真正需要计算出值的时候才会去往下计算出值。它是一种惰性计算(lazy evaluation)。

要创建一个generator有两种方式。

第一种方法:把一个列表生成式的[]改成(),就创建了一个generator:

第二种方式:在函数中使用yield关键字,函数就变成了一个generator。

函数里有了yield后,执行到yield就会停住,当需要再往下算时才会再往下算。所以生成器函数即使是有无限循环也没关系,它需要算到多少就会算多少,不需要就不往下算。

如上例,第一次输出f,它就是一个generator,之后每次next,它就执行到yield a。

当然其实平常很少用到next(),我们直接用for循环就可以遍历一个generator,其实for循环的内部实现就是不停调用next()。

生成器可以避免不必要的计算,带来性能上的提升;而且会节约空间,可以实现无限循环(无穷大的)的数据结构。

2.可迭代对象(Iterable)和迭代器(Iterator)的概念

可以直接作用于for循环的对象统称为可迭代对象:Iterable。

包括集合数据类型(list、tuple、dict、set、str等)和生成器(generator)。

可以使用isinstance()判断一个对象是否是Iterable对象。

迭代器:Iterator。

它表示的是一个数据流,Iterator对象可以被next()函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()函数实现按需计算下一个数据,所以Iterator的计算是惰性的,只有在需要返回下一个数据时它才会计算。Iterator甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。

生成器(generator)都是Iterator对象,但list、dict、str虽然是Iterable,却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数:

Python的for循环本质上就是通过不断调用next()函数实现的,例如:

实际上完全等价于:

3.itertools模块

python的内置模块itertools提供了用于操作迭代对象的函数,非常方便实用。举一个例子:

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

创建一个迭代器,生成项的方式类似于切片返回值: iterable[start : stop : step],将跳过前start个项,迭代在stop所指定的位置停止,step指定用于跳过项的步幅。与切片不同,负值不会用于任何start,stop和step,如果省略了start,迭代将从0开始,如果省略了step,步幅将采用1.

标签: #python中generator