python中什么是迭代器(一篇文章彻底搞懂Python中可迭代Iterable、迭代器Iterator与生成器Generator的概)
python中什么是迭代器
一篇文章彻底搞懂Python中可迭代Iterable、迭代器Iterator与生成器Generator的概前言
在python中可迭代(iterable)、迭代器(iterator)和生成器(generator)这几个概念是经常用到的,初学时对这几个概念也是经常混淆,现在是时候把这几个概念搞清楚了。
0x00 可迭代(iterable)
简单的说,一个对象(在python里面一切都是对象)只要实现了只要实现了__iter__()方法,那么用isinstance()函数检查就是iterable对象;
例如
|
class iterobj: def __iter__( self ): # 这里简单地返回自身 # 但实际情况可能不会这么写 # 而是通过内置的可迭代对象来实现 # 下文的列子中将会展示 return self |
上面定义了一个类iterobj并实现了__iter__()方法,这个就是一个可迭代(iterable)对象
|
it = iterobj() print ( isinstance (it, iterable)) # true print ( isinstance (it, iterator)) # false print ( isinstance (it, generator)) # false |
记住这个类,下文我们还会看到这个类的定义。
常见的可迭代对象
在python中有哪些常见的可迭代对象呢?
- 集合或序列类型(如list、tuple、set、dict、str)
- 文件对象
- 在类中定义了__iter__()方法的对象,可以被认为是 iterable对象,但自定义的可迭代对象要能在for循环中正确使用,就需要保证__iter__()实现必须是正确的(即可以通过内置iter()函数转成iterator对象。关于iterator下文还会说明,这里留下一个坑,只是记住iter()函数是能够将一个可迭代对象转成迭代器对象,然后在for中使用)
- 在类中实现了如果只实现__getitem__()的对象可以通过iter()函数转化成迭代器但其本身不是可迭代对象。所以当一个对象能够在for循环中运行,但不一定是iterable对象。
关于第1、2点我们可以通过以下来验证
|
print ( isinstance ([], iterable)) # true list 是可迭代的 print ( isinstance ({}, iterable)) # true 字典是可迭代的 print ( isinstance ((), iterable)) # true 元组是可迭代的 print ( isinstance ( set (), iterable)) # true set是可迭代的 print ( isinstance ('', iterable)) # true 字符串是可迭代的 currpath = os.path.dirname(os.path.abspath(__file__)) with open (currpath + '/model.py' ) as file : print ( isinstance ( file , iterable)) # true |
我们再来看第3点,
|
print ( hasattr ([], "__iter__" )) # true print ( hasattr ({}, "__iter__" )) # true print ( hasattr ((), "__iter__" )) # true print ( hasattr ('', "__iter__" )) # true |
这些内置集合或序列对象都有__iter__属性,即他们都实现了同名方法。但这个可迭代对象要在for循环中被使用,那么它就应该能够被内置的iter()函数调用并转化成iterator对象。
例如,我们看内置的可迭代对象
|
print ( iter ([])) # <list_iterator object at 0x110243f28> print ( iter ({})) # <dict_keyiterator object at 0x110234408> print ( iter (())) # <tuple_iterator object at 0x110243f28> print ( iter ('')) # <str_iterator object at 0x110243f28> |
它们都相应的转成了对应的迭代器(iterator)对象。
现在回过头再看看一开始定义的那个iterobj类
|
class iterobj: def __iter__( self ): return self it = iterobj() print ( iter (it)) |
我们使用了iter()函数,这时候将再控制台上打印出以下信息:
traceback (most recent call last):
file "/users/mac/pycharmprojects/iterable_iterator_generator.py", line 71, in <module>
print(iter(it))
typeerror: iter() returned non-iterator of type 'iterobj'
出现了类型错误,意思是iter()函数不能将‘非迭代器'类型转成迭代器。
那如何才能将一个可迭代(iterable)对象转成迭代器(iterator)对象呢?
我们修改一下iterobj类的定义
|
class iterobj: def __init__( self ): self .a = [ 3 , 5 , 7 , 11 , 13 , 17 , 19 ] def __iter__( self ): return iter ( self .a) |
我们在构造方法中定义了一个名为a的列表,然后还实现了__iter__()方法。
修改后的类是可以被iter()函数调用的,即也可以在for循环中使用
|
it = iterobj() print ( isinstance (it, iterable)) # true print ( isinstance (it, iterator)) # false print ( isinstance (it, generator)) # false print ( iter (it)) # <list_iterator object at 0x102007278> for i in it: print (i) # 将打印3、5、7、11、13、17、19元素 |
因此在定义一个可迭代对象时,我们要非常注意__iter__()方法的内部实现逻辑,一般情况下,是通过一些已知的可迭代对象(例如,上文提到的集合、序列、文件等或其他正确定义的可迭代对象)来辅助我们来实现
关于第4点说明的意思是iter()函数可以将一个实现了__getitem__()方法的对象转成迭代器对象,也可以在for循环中使用,但是如果用isinstance()方法来检测时,它不是一个可迭代对象。
|
class iterobj: def __init__( self ): self .a = [ 3 , 5 , 7 , 11 , 13 , 17 , 19 ] def __getitem__( self , i): return self .a[i] it = iterobj() print ( isinstance (it, iterable)) # false print ( isinstance (it, iterator)) # false print ( isinstance (it, generator)) false print ( hasattr (it, "__iter__" )) # false print ( iter (it)) # <iterator object at 0x10b231278> for i in it: print (i) # 将打印出3、5、7、11、13、17、19 |
这个例子说明了可以在for中使用的对象,不一定是可迭代对象。
现在我们做个小结:
- 一个可迭代的对象是实现了__iter__()方法的对象
- 它要在for循环中使用,就必须满足iter()的调用(即调用这个函数不会出错,能够正确转成一个iterator对象)
- 可以通过已知的可迭代对象来辅助实现我们自定义的可迭代对象。
- 一个对象实现了__getitem__()方法可以通过iter()函数转成iterator,即可以在for循环中使用,但它不是一个可迭代对象(可用isinstance方法检测())
0x01 迭代器(iterator)
上文很多地方都提到了iterator,现在我们把这个坑填上。
当我们对可迭代的概念了解后,对于迭代器就比较好理解了。
一个对象实现了__iter__()和__next__()方法,那么它就是一个迭代器对象。 例如
|
class iterobj: def __init__( self ): self .a = [ 3 , 5 , 7 , 11 , 13 , 17 , 19 ] self .n = len ( self .a) self .i = 0 def __iter__( self ): return iter ( self .a) def __next__( self ): while self .i < self .n: v = self .a[ self .i] self .i + = 1 return v else : self .i = 0 raise stopiteration() |
在iterobj中,构造函数中定义了一个列表a,列表长度n,索引i。
|
it = iterobj() print ( isinstance (it, iterable)) # true print ( isinstance (it, iterator)) # true print ( isinstance (it, generator)) # false print ( hasattr (it, "__iter__" )) # true print ( hasattr (it, "__next__" )) # true |
我们可以发现上文提到的
集合和序列对象是可迭代的但不是迭代器
|
print ( isinstance ([], iterator)) # false print ( isinstance ({}, iterator)) # false print ( isinstance ((), iterator)) # false print ( isinstance ( set (), iterator)) # false print ( isinstance ('', iterator)) # false |
而文件对象是迭代器
|
currpath = os.path.dirname(os.path.abspath(__file__)) with open (currpath + '/model.py' ) as file : print ( isinstance ( file , iterator)) # true |
一个迭代器(iterator)对象不仅可以在for循环中使用,还可以通过内置函数next()函数进行调用。 例如
|
it = iterobj() next (it) # 3 next (it) # 5 |
0x02 生成器(generator)
现在我们来看看什么是生成器?
一个生成器既是可迭代的也是迭代器
定义生成器有两种方式:
- 列表生成器
- 使用yield定义生成器函数
先看第1种情况
|
g = (x * 2 for x in range ( 10 )) # 0~18的偶数生成器 print ( isinstance (g, iterable)) # true print ( isinstance (g, iterator)) # true print ( isinstance (g, generator)) # true print ( hasattr (g, "__iter__" )) # true print ( hasattr (g, "__next__" )) # true print ( next (g)) # 0 print ( next (g)) # 2 |
列表生成器可以不需要消耗大量的内存来生成一个巨大的列表,只有在需要数据的时候才会进行计算。
再看第2种情况
|
def gen(): for i in range ( 10 ): yield i |
这里yield的作用就相当于return,这个函数就是顺序地返回[0,10)的之间的自然数,可以通过next()或使用for循环来遍历。
当程序遇到yield关键字时,这个生成器函数就返回了,直到再次执行了next()函数,它就会从上次函数返回的执行点继续执行,即yield退出时保存了函数执行的位置、变量等信息,再次执行时,就从这个yield退出的地方继续往下执行。
在python中利用生成器的这些特点可以实现协程。协程可以理解为一个轻量级的线程,它相对于线程处理高并发场景有很多优势。
看下面一个用协程实现的生产者-消费者模型
|
def producer(c): n = 0 while n < 5 : n + = 1 print ( 'producer {}' . format (n)) r = c.send(n) print ( 'consumer return {}' . format (r)) def consumer(): r = '' while true: n = yield r if not n: return print ( 'consumer {} ' . format (n)) r = 'ok' if __name__ = = '__main__' : c = consumer() next (c) # 启动consumer producer(c) |
这段代码执行效果如下
producer 1
consumer 1
producer return ok
producer 2
consumer 2
producer return ok
producer 3
consumer 3
producer return ok
协程实现了cpu在两个函数之间进行切换从而实现并发的效果。
0x04 引用
docs.python.org/3.7/
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对开心学习网的支持。
原文链接:https://juejin.im/post/5ccafbf5e51d453a3a0acb42
- 如何去阿里云解析域名(利用Python+阿里云实现DDNS动态域名解析的方法)
- python复杂的验证码处理(Python 通过打码平台实现验证码的实现)
- vscode如何配置python环境(VSCode Python开发环境配置的详细步骤)
- 基于pythonopencv的图片识别(Python Opencv实现图像轮廓识别功能)
- python怎么去掉字符串的空格(Python切片操作去除字符串首尾的空格)
- pythonjson格式化原理(详解pythonstr与json类型转换)
- python自动解数独教学(Python判断有效的数独算法示例)
- docker python如何运行(Docker容器化部署Python应用过程解析)
- python元组汇总(Python数据类型之Tuple元组实例详解)
- python简单代码画图(python+pyqt5实现图片批量缩放工具)
- python怎么导入xlsx(用Python将结果保存为xlsx的方法)
- python 摄像头运用(使用Python控制摄像头拍照并发邮件)
- 零基础学计算机二级python(计算机二级python学习教程1 教大家如何学习python)
- python怎么判断文件大小(python3实现指定目录下文件sha256及文件大小统计)
- python线程池的实现原理(详解python中的线程与线程池)
- 能自动点赞的小程序(python实现QQ空间自动点赞功能)
- 车友的选择| 轮毂该如何选(车友的选择轮毂该如何选)
- 秦海璐炫耀和王新军热恋蜜事,不料对方吐槽她吃饱后肚子撅老高(秦海璐炫耀和王新军热恋蜜事)
- 秦海璐一袭旗袍惹人倾心,将高级与淡雅展现的游刃有余(秦海璐一袭旗袍惹人倾心)
- 门外之见 海蛎子味 的表演,能走多远(门外之见海蛎子味)
- 三部冷门谍战剧,第一部2014年拍摄,至今还未播出(三部冷门谍战剧)
- 《金陵秘事》的剧情跌宕起伏 给观众带来的怎样的感官体验(金陵秘事的剧情跌宕起伏)
热门推荐
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9