Python基础（五）-迭代器，生成器

一、迭代器

1.1、迭代概念

迭代是一个重复的过程，每次重复即一次迭代，并且每次迭代的结果都是下一次迭代的初始值

while True: #只是单纯地重复，因而不是迭代
    print(‘===>‘) 
    
l=[1,2,3]
count=0
while count < len(l): #迭代
    print(l[count])
    count+=1

1.2、迭代器概念

1）为什么要有迭代器？

对于序列类型：字符串、列表、元组，我们可以使用索引的方式迭代取出其包含的元素。但对于字典、集合、文件等类型是没有索引的，若还想取出其内部包含的元素，则必须找出一种不依赖于索引的迭代方式，这就是迭代器

2）可迭代对象

可迭代对象指的是内置有__iter__方法的对象，即obj.__iter__

"hello".__iter__()         #字符串
(1,2,3).__iter__()         #元祖
[1,2,3].__iter__()         #列表
{"a": 1,"b":2}.__iter__()  #字典
{"a","b","c"}.__iter__()   #集合
open("a.txt").__iter__()   #文件

3）迭代器对象

可迭代对象执行obj.__iter__()得到的结果就是迭代器对象

而迭代器对象指的是即内置有__iter__又内置有__next__方法的对象

#文件类型是迭代器对象
open(‘a.txt‘).__iter__()
open(‘a.txt‘).__next__()

查看可迭代对象：

li = ["A","B","C","D"]
iter_l=li.__iter__()   #获取可迭代对象
print(iter_l)          #<list_iterator object at 0x0000016CE2D66C18>

4）注意：

迭代器对象一定是可迭代对象，而可迭代对象不一定是迭代器对象

1.3、迭代器的使用

dic={‘a‘:1,‘b‘:2,‘c‘:3}
iter_dic=dic.__iter__() #得到迭代器对象，迭代器对象即有__iter__又有__next__，但是：迭代器.__iter__()得到的仍然是迭代器本身


print(iter_dic.__next__()) #等同于next(iter_dic)
print(iter_dic.__next__()) #等同于next(iter_dic)
print(iter_dic.__next__()) #等同于next(iter_dic)
#print(iter_dic.__next__()) #抛出异常StopIteration，或者说结束标志

#有了迭代器，我们就可以不依赖索引迭代取值了
iter_dic=dic.__iter__()
while 1:
    try:
        k=next(iter_dic)
        print(dic[k])
    except StopIteration:
        break

1.4、for循环原理

#基于for循环，我们可以完全不再依赖索引去取值了
dic={‘a‘:1,‘b‘:2,‘c‘:3}
for k in dic:
    print(dic[k])

#for循环的工作原理
#1：执行in后对象的dic.__iter__()方法，得到一个迭代器对象iter_dic
#2: 执行next(iter_dic),将得到的值赋值给k,然后执行循环体代码
#3: 重复过程2，直到捕捉到异常StopIteration,结束循环

1.5、迭代器的优缺点

优点：

• 提供一种统一的、不依赖于索引的迭代方式
• 惰性计算，节省内存，不需要将所有元素放置到内存中

缺点：

• 无法获取长度（只有在next完毕才知道到底有几个值）
• 一次性的，只能往后走，不能往前退

二、生成器

2.1、生成器概念

只要函数内部包含有yield关键字，那么函数名()的到的结果就是生成器

def func():
    print(‘====>first‘)
    yield 1
    print(‘====>second‘)
    yield 2
    print(‘====>third‘)
    yield 3
    print(‘====>end‘)

g=func()
print(g)   #<generator object func at 0x000001CB68D6B4C0>

#生成器就是迭代器
# g.__iter__()
# g.__next__()

#s生成器取值
res = next(g)
print(res)

2.2、生成器函数

def egg():
	for i in range(5):
		yield ‘鸡蛋%s‘ %i

eat_egg = egg()
print(eat_egg.__next__())
print(eat_egg.__next__())
print(eat_egg.__next__())
print(eat_egg.__next__())
print(eat_egg.__next__())

示例：

def get_polulation():
    with open(‘人口‘, ‘r‘, encoding=‘utf-8‘) as f:
        for i in f:
            yield i


g=get_polulation()
print(g.__next__())  #{‘name‘:‘北京‘,‘population‘:10}  ==>获取的时字符串
#print(g.__next__()[‘population‘])  #报错TypeError: string indices must be integers
s1=eval(g.__next__())  #转换为字典格式
print(type(s1))        #<class ‘dict‘>
print(s1[‘population‘])

#计算总人数
# res=0
# for p in g:
#     p_dic=eval(p)
#     print(p_dic[‘population‘])
#     res+=p_dic[‘population‘]
# print(res)

all_pop=sum(eval(i)[‘population‘] for i in g)
print(all_pop)  #3421360361

三、各种表达式

3.1、三元表达式

name=input(‘姓名>>: ‘)
res=‘SB‘ if name == ‘jack‘ else ‘NB‘
print(res)

3.2、列表推导式

语法格式：

[expression for item1 in iterable1 if condition1
for item2 in iterable2 if condition2
...
for itemN in iterableN if conditionN
]


类似于
res=[]
for item1 in iterable1:
    if condition1:
        for item2 in iterable2:
            if condition2
                ...
                for itemN in iterableN:
                    if conditionN:
                        res.append(expression)

示例：

egg_list=[]
for i in range(10):
    egg_list.append(‘鸡蛋%s‘ %i)
print(egg_list)

egg_list=[‘鸡蛋%s‘ %i for i in range(10)]
print(egg_list)

#[‘鸡蛋0‘, ‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘, ‘鸡蛋5‘, ‘鸡蛋6‘, ‘鸡蛋7‘, ‘鸡蛋8‘, ‘鸡蛋9‘]

3.3、生成器表达式

把列表推导式的[]换成()就是生成器表达式

>>> chicken=(‘鸡蛋%s‘ %i for i in range(5))
>>> chicken
<generator object <genexpr> at 0x000001DB14D1A930>
>>> next(chicken)
‘鸡蛋0‘
>>> next(chicken)
‘鸡蛋1‘
>>> list(chicken)   #因chicken可迭代，因而可以转成列表
[‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘]

Python基础（五）-迭代器，生成器

原文：https://www.cnblogs.com/hujinzhong/p/11469009.html