淺談Python中的生成器和迭代器
迭代器
迭代器協(xié)議
對(duì)象必須提供一個(gè)next方法，執(zhí)行該方法要么返回迭代中的下一項(xiàng)，要么返回一個(gè)異常來(lái)終止本次迭代。（只能往前走，不能往后退！）
迭代器對(duì)象
遵循了（實(shí)現(xiàn)了）迭代器協(xié)議的對(duì)象。（對(duì)象內(nèi)部實(shí)現(xiàn)了一個(gè)__next__方法，以實(shí)現(xiàn)迭代器協(xié)議）稱為一個(gè)迭代器對(duì)象。他們的作用是逐個(gè)遍歷容器中的對(duì)象。迭代器對(duì)象一定是可迭代對(duì)象
>>> from collections import Iterable, Iterator >>> l = list([1,2,3]) # 定義列表 >>> l_iter = l.__iter__() # 調(diào)用列表的 __iter__ 方法 >>> isinstance(l, Iterable) # 列表可迭代對(duì)象 True >>> isinstance(l, Iterator) # 列表不是迭代器 False >>> isinstance(l_iter, Iterable) # 列表的__iter__ 方法返回 是可迭代對(duì)象 True >>> isinstance(l_iter, Iterator) # 列表的__iter__ 方法返回 也是是迭代器對(duì)象 True
可迭代對(duì)象(iterable)
可迭代對(duì)象有很多種形式，只要滿足可以每次取到容器對(duì)象中下一個(gè)對(duì)象的，都稱為可迭代對(duì)象。
實(shí)現(xiàn)了 __iter__方法的對(duì)象稱為可迭代對(duì)象。
range() 對(duì)象也是可迭代對(duì)象。
生成器對(duì)象也是可迭代對(duì)象。
>>> from collections import Iterable, Iterator >>> isinstance(range(10), Iterator) False >>> isinstance(range(10), Iterable) True # 生成器對(duì)象一定是迭代器對(duì)象， 那么他也必然是可迭代對(duì)象 >>> isinstance((i for i in range(10)), Iterator) True >>> isinstance((i for i in range(10)), Iterable) True
總結(jié)補(bǔ)充
列表、元組、集合、字符串、字典都是可迭代對(duì)象。
for 循環(huán)的本質(zhì)：使用迭代器協(xié)議訪問(wèn)可迭代對(duì)象中的每一個(gè)對(duì)象。
生成器
生成器類(lèi)似于一種數(shù)據(jù)類(lèi)型，這種數(shù)據(jù)類(lèi)型自動(dòng)實(shí)現(xiàn)了迭代器協(xié)議，所以生成器也是迭代器。
生成器分類(lèi)及在python中的表現(xiàn)形式：（Python有兩種不同的方式提供生成器）
生成器函數(shù)
常規(guī)函數(shù)定義，但是，使用yield語(yǔ)句而不是return語(yǔ)句返回結(jié)果。yield語(yǔ)句一次返回一個(gè)結(jié)果，在每個(gè)結(jié)果中間，掛起函數(shù)的狀態(tài)，以便下次重它離開(kāi)的地方繼續(xù)執(zhí)行
>>> def generator(n): ... for i in range(n): ... yield i ... >>> gener_obj = generator(10) >>> gener_obj.__next__() 0 >>> gener_obj.__next__() 1 >>> gener_obj.__next__() 2 >>> type(gener_obj) <class 'generator'>
生成器表達(dá)式
類(lèi)似于列表推導(dǎo)，但是，生成器返回按需產(chǎn)生結(jié)果的一個(gè)對(duì)象，而不是一次構(gòu)建一個(gè)結(jié)果列表，按需取出對(duì)象
注意生成器 用()包裹起來(lái)
>>> generator = (i for i in range(10)) >>> generator.__next__() 0 >>> generator.__next__() 1 >>> type(generator) <class 'generator'>
以上就是淺談Python中的生成器和迭代器的詳細(xì)內(nèi)容，更多關(guān)于Python 生成器和迭代器的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
python3.8+django2+celery5.2.7環(huán)境準(zhǔn)備(python測(cè)試開(kāi)發(fā)django)
這篇文章主要介紹了python測(cè)試開(kāi)發(fā)django之python3.8+django2+celery5.2.7環(huán)境準(zhǔn)備工作，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-07-07
python題解LeetCode303區(qū)域和檢索示例詳解
這篇文章主要為大家介紹了python題解LeetCode303區(qū)域和檢索示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-12-12
這篇文章主要介紹了PyTorch如何修改為自定義節(jié)點(diǎn),本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2023-06-06
Anaconda是Python的一個(gè)發(fā)行版本,集成了大量插件,在用PyCharm進(jìn)行開(kāi)發(fā)時(shí),可以選用Anaconda執(zhí)行環(huán)境,下面這篇文章主要給大家介紹了關(guān)于Pycharm中配置Anaconda解釋器的完整步驟,需要的朋友可以參考下2022-11-11
Python的Django框架中的數(shù)據(jù)過(guò)濾功能
這篇文章主要介紹了Python的Django框架中的數(shù)據(jù)過(guò)濾功能,為更新數(shù)據(jù)庫(kù)數(shù)據(jù)時(shí)的數(shù)據(jù)查找提供了方便,需要的朋友可以參考下2015-07-07
這篇文章主要介紹了Python找出list中最常出現(xiàn)元素的方法,給出了三種常用的方法供大家對(duì)比參考,需要的朋友可以參考下2016-06-06
動(dòng)態(tài)加載組件可以顯著提高應(yīng)用的性能,優(yōu)化用戶體驗(yàn),尤其是在大型應(yīng)用中,合理的組件加載策略尤為重要,本文將探討幾種在Vue中實(shí)現(xiàn)組件動(dòng)態(tài)加載的具體方案,需要的朋友可以參考下2024-10-10
這篇文章主要介紹了Python的迭代器和生成器使用實(shí)例,本文講解了迭代器的next方法、__iter__方法和實(shí)例以及生成器的代碼實(shí)例,需要的朋友可以參考下2015-01-01
詳解pycharm連接遠(yuǎn)程linux服務(wù)器的虛擬環(huán)境的方法
這篇文章主要介紹了pycharm連接遠(yuǎn)程linux服務(wù)器的虛擬環(huán)境的詳細(xì)教程,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-11-11
使用python將圖片改為灰度圖或黑白圖有三種方式，分別是是使用cv2庫(kù)和PIL庫(kù)來(lái)實(shí)現(xiàn),具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2022-04-04