生成器:generator，在Python中， 一边循环一边计算的机制， 称为生成器： generator
Python2很多列表的地方，在Python3被更新为生成器
可以基于生成器直接创建列表
filter
map
1、如何创建生成器?
1.1 g1 = (x for x in range(10) if x % 2 == 0)
1.2 g2 = func1()
函数func1中必须包含yield关键字
2、如何生成数据?（下蛋的鸡）
特征：
2.1 必须先生第一个，才能生第二个
2.2 必须是一个一个来
生成语法：
a.next(g)
b.g.__next__()
c.g.send(value)
value 在生成器开始的时候，只能给None
后续可以给随意参数
如果超出生成数据范围，会导致异常 StopIteration
3、生成器的好处?
3.1 时间开销
3.2 内存开销
def generator():
print("a")
count = yield 1
print("---->",count)
print('b')
yield 2
g = generator()
print(next(g))
res = g.send('123')
print(res)
print("- -"*10)
lis = [1,2,3,4,5,6,7]
lis1 = [2,3,4,5,6,7,8]
li = list(map(lambda x,y:x,lis,lis1))
for i in li:
print(i)
g2 = (x for x in range(10) if x % 2 == 0)
print(type(g2))
# 3种使用方式
v = next(g2)
print(v)
v = g2.__next__()
print(v)
v = g2.send(None)
print(v)
import time
import sys
"""
1M = 1024kb
1kb = 1024byte
1byte = 8bit
"""
start = time.time()
# list1 = [x for x in range(10000000)]
list1 = (x for x in range(10000000))
size = sys.getsizeof(list1)#字节
end = time.time()
print(f'耗时:{end-start}秒')
print(f'list1占用内存{size/1024}kb')
# print(f'list1占用内存{size/1024/1024}M')
运行结果
迭代器
- 迭代器： 拥有__iter__方法和__next__方法的对象就是迭代器 注意：生成器就是迭代器；可迭代对象不一定是迭代器
- 可迭代性的元素：list, tuple, str, dict, set
-
itertion: 就是迭代,一个接一个(one after another),是一个通用的概念，比如一个循环遍历某个数组。 -
iterable: 这个是可迭代对象,属于python的名词，范围也很广，可重复迭代，满足如下其中之一的都是iterable:-
可以
for循环:for i in iterable -
可以按
index索引的对象，也就是定义了__getitem__方法，比如list,str; -
定义了
__iter__方法。可以随意返回。 -
可以调用
iter(obj)的对象，并且返回一个iterator
-
-
iterator:迭代器对象,也属于python的名词，只能迭代一次。需要满足如下的迭代器协议-
定义了
__iter__方法，但是必须返回自身 -
定义了
next方法,在python3.x是__next__。用来返回下一个值，并且当没有数据了，抛出StopIteration -
可以保持当前的状态
-
判断是否具有可迭代性(满足可迭代协议)：
(1)查看是否实现了__iter__方法
"__iter__" in dir(可迭代性对象)
(2)判断目标对象是否是可迭代性类实例,使用 isinstance(Iterable)来判断
from collections.abc import Iterableisinstance(可迭代性对象, Iterable)
for循环的本质
- 通过__iter__()获取该对象的一个迭代器对象
- 通过__next__()函数，依次获取下一个元素
class MyRange:
def __init__(self, stop):
self.start = 0
self.stop = stop
self.step = 1
def __iter__(self):
while self.start < self.stop:
yield self.start
self.start += self.step
for i in MyRange(5):
print(i)
迭代器的几个创建方法：
1.生成器函数
和普通函数的 return 返回不同，生成器函数使用 yield。
>>> def odd_func(start=1, end=10): ... for val in range(start, end + 1): ... if val % 2 == 1: ... yield val ... >>> of = odd_func(1, 5) >>> of <generator object odd_func at 0x101a14200> >>> iter(of) <generator object odd_func at 0x101a14200> >>> next(of) 1 >>> next(of) 3 >>> next(of) 5 >>> next(of) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
2.生成器表达式
>>> g = (v for v in range(1, 5 + 1) if v % 2 == 1) >>> g <generator object <genexpr> at 0x101a142b0> >>> iter(g) <generator object <genexpr> at 0x101a142b0> >>> next(g) 1 >>> next(g) 3 >>> next(g) 5 >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
3.自定义迭代器
基于模拟Range实现的IntegRange，封装一个类，可以通过for循环直接打印指定范围的质数
# 例如:
# for i in IntegerRange(2,20,1):
# print(i)
# 可以依次打印出2,3,5,7,11...等全为质数的数字，
import math
class IntegerRange:
def __init__(self, start, end, step):
self.start = start
self.end = end
self.step = step
def __iter__(self):
return self
def __next__(self):
while self.start < self.end:
self.start += self.step
if self.prime(self.start):
return self.start
else:
raise StopIteration("跑完了")
def prime(self, n):
if n <= 1:
return 0
for i in range(2, math.ceil(math.sqrt(n + 1))):
if n % i == 0:
return 0
return 1
g = IntegerRange(2,20,1)
print(g.__next__())
print(next(g))
怎么选择？
到现在为止，我们知道了创建迭代器的 3 种方式，那么该如何选择？
最简单的就是生成器表达式，如果表达式能满足需求，那么就是它；如果需要添加比较复杂的逻辑就选生成器函数；如果前两者没法满足需求，那就自定义类实现吧。总之，选择最简单的方式就行。
注意：迭代器遍历完一次就不能从头开始了
>>> l = [1, 3, 5] >>> li = iter(l) >>> li <list_iterator object at 0x101a1da90> >>> 3 in li True >>> 3 in li False
因为 li 是列表迭代器，第一次查找 3 的时候，找到了，所以返回 True，但是由于第一次迭代，已经跳过了 3 那个元素，第二次就找不到了，所以会出现 False。
因此，记得迭代器是「一次性」的。
总结：
- 实现了迭代器协议的对象都是迭代器
- 实现了
__iter__()方法并返回迭代器的对象是可迭代对象 - 生成器也是一种迭代器
- 创建迭代器有三种方式，生成器表达式、生成器函数、自定义类，看情况选择最简单的就好
- 迭代器同时也是可迭代对象
- 迭代器是「一次性」的