Python中迭代器與生成器怎么使用

這篇“Python中迭代器與生成器怎么使用”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“Python中迭代器與生成器怎么使用”文章吧。

一、迭代器（foreach）

1、可迭代的對象

內置有__iter__方法的都叫可迭代的對象。

Python內置str、list、tuple、dict、set、file都是可迭代對象。

x = 1.__iter__  # SyntaxError: invalid syntax

# 以下都是可迭代的對象
name = 'nick'.__iter__
print(type(name))  # 'method-wrapper'>

2、迭代器對象

執行可迭代對象的__iter__方法，拿到的返回值就是迭代器對象。

只有字符串和列表都是依賴索引取值的，而其他的可迭代對象都是無法依賴索引取值的，只能使用迭代器對象。

• 內置有__iter__方法，執行該方法會拿到迭代器本身。

• 內置__next__方法，執行該方法會拿到迭代器對象中的一個值。

s = 'hello'
iter_s = s.__iter__()
print(type(iter_s))  # 'str_iterator'> iter_s為迭代器對象

while True:
    try:
        print(iter_s.__next__())
    except StopIteration:
        break
#hello

3、迭代器有兩個基本的方法：iter() 和 next()。

s = 'hello'
iter_s = iter(s) # 創建迭代器對象
print(type(iter_s))  #  iter_s為迭代器對象

while True:
    try:
        print(next(iter_s)) # 輸出迭代器的下一個元素

    except StopIteration:
        break
# hello

4、for迭代器循環

可迭代對象可以直接使用常規for語句進行遍歷

for循環稱為迭代器循環，in后必須是可迭代的對象。

#str
name = 'nick' 
for x in name:
    print(x)

#list
for x in [None, 3, 4.5, "foo", lambda: "moo", object, object()]:
    print("{0}  ({1})".format(x, type(x)))

#dict
d = {
    '1': 'tasty',
    '2': 'the best',
    '3 sprouts': 'evil',
    '4': 'pretty good'
}

for sKey in d:
    print("{0} are {1}".format(sKey, d[sKey]))

#file
f = open('32.txt', 'r', encoding='utf-8')
for x in f:
    print(x)
f.close()

5、實現迭代器(__next__和__iter__)

把一個類作為一個迭代器使用需要在類中實現兩個方法 __iter__() 與 __next__() 。

• __iter__() 方法返回一個特殊的迭代器對象， 這個迭代器對象實現了 __next__() 方法并通過 StopIteration 異常標識迭代的完成。

• __next__() 方法會返回下一個迭代器對象。

• StopIteration 異常用于標識迭代的完成，防止出現無限循環的情況，在 __next__() 方法中我們可以設置在完成指定循環次數后觸發 StopIteration 異常來結束迭代。

創建一個返回數字的迭代器，初始值為 1，逐步遞增 1，在 20 次迭代后停止執行：

class MyNumbers:
  def __iter__(self):
    self.a = 1
    return self
 
  def __next__(self):
    if self.a <= 20:
      x = self.a
      self.a += 1
      return x
    else:
      raise StopIteration
 
myclass = MyNumbers()
myiter = iter(myclass)
 
for x in myiter:
  print(x)

1、模擬range

class Range:
    def __init__(self, n, stop, step):
        self.n = n
        self.stop = stop
        self.step = step

    def __next__(self):
        if self.n >= self.stop:
            raise StopIteration
        x = self.n
        self.n += self.step
        return x

    def __iter__(self):
        return self


for i in Range(1, 7, 3):
    print(i)

#1
#4

2、斐波那契數列

class Fib:
    def __init__(self):
        self._a = 0
        self._b = 1

    def __iter__(self):
        return self

    def __next__(self):
        self._a, self._b = self._b, self._a + self._b
        return self._a


f1 = Fib()
for i in f1:
    if i > 100:
        break
    print('%s ' % i, end='')

# 1 1 2 3 5 8 13 21 34 55 89

二、生成器

1、yield

在 Python 中，使用了 yield 的函數被稱為生成器（generator）。

跟普通函數不同的是，生成器是一個返回迭代器的函數，只能用于迭代操作，更簡單點理解生成器就是一個迭代器。

在調用生成器運行的過程中，每次遇到 yield 時函數會暫停并保存當前所有的運行信息，返回 yield 的值, 并在下一次執行 next() 方法時從當前位置繼續運行。

調用一個生成器函數，返回的是一個迭代器對象。

yield后面可以加多個數值（可以是任意類型），但返回的值是元組類型的。

• 提供一種自定義迭代器的方式

• yield可以暫停住函數，并提供當前的返回值

import sys


def fibonacci(n):  # 函數 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if counter > n:
            return
        yield a
        a, b = b, a + b
        counter += 1


f = fibonacci(10)  #f 是一個生成器
print(type(f))  # 'generator'>

while True:
    try:
        print(next(f), end=" ")
    except StopIteration:
        sys.exit()

yield和return:

• 相同點：兩者都是在函數內部使用，都可以返回值，并且返回值沒有類型和個數的限制

• 不同點：return只能返回一次值；yield可以返回多次值

2、自定義range()方法

def my_range(start, stop, step=1):
    while start < stop:
        yield start
        start += 1


g = my_range(0, 3)
print(f"list(g): {list(g)}")

復雜版本：

def range(*args, **kwargs):
    if not kwargs:
        if len(args) == 1:
            count = 0
            while count < args[0]:
                yield count
                count += 1
        if len(args) == 2:
            start, stop = args
            while start < stop:
                yield start
                start += 1
        if len(args) == 3:
            start, stop, step = args
            while start < stop:
                yield start
                start += step

    else:
        step = 1

        if len(args) == 1:
            start = args[0]
        if len(args) == 2:
            start, stop = args

        for k, v in kwargs.items():
            if k not in ['start', 'step', 'stop']:
                raise ('參數名錯誤')

            if k == 'start':
                start = v
            elif k == 'stop':
                stop = v
            elif k == 'step':
                step = v

        while start < stop:
            yield start
            start += step


for i in range(3):
    print(i)  # 0,1,2

for i in range(99, 101):
    print(i)  # 99,100

for i in range(1, 10, 3):
    print(i)  # 1,4,7

for i in range(1, step=2, stop=5):
    print(i)  # 1,3

for i in range(1, 10, step=2):
    print(i)  # 1,3,5,7,9

3、生成器表達式(i.for .in)

把列表推導式的[]換成()就是生成器表達式 。

優點：比起列表推導式，可以省內存，一次只產生一個值在內存中

t = (i for i in range(10))
print(t)  # <generator object  at 0x00000000026907B0>
print(next(t))  # 0
print(next(t))  # 1

舉例：

with open('32.txt', 'r', encoding='utf8') as f:
    nums = [len(line) for line in f]  # 列表推導式相當于直接給你一筐蛋

print(max(nums))  # 2


with open('32.txt', 'r', encoding='utf8') as f:
    nums = (len(line) for line in f)  # 生成器表達式相當于給你一只老母雞。

print(max(nums))  # ValueError: I/O operation on closed file.

以上就是關于“Python中迭代器與生成器怎么使用”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。