首页 > 代码库 > python列表生成式&生成器&迭代器

python列表生成式&生成器&迭代器

2024-09-20 08:30:10   206人阅读

一、列表生成式

什么是列表生成式？

列表生成式是快速生成列表的一种方式。（貌似有些废话）

更专业点的说法：列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。

在python2.7里

举个例子，要生成list [1,2,3,4,5]，可以用range(1,6)

>>> range(1,6)
[1, 2, 3, 4, 5]

但是如果要生成[1x1,2x2,3x3,4x4,5x5]怎么做呢？

普通青年做法：

>>> L = []
>>> for x in range(1,6):
...     L.append(x*x)
... 
>>> L
[1, 4, 9, 16, 25]

但是这种方式，太繁琐、也太LOW，用列表生成式一行代码搞定：

>>> [ x*x for x in range(1,6) ]
[1, 4, 9, 16, 25]　　

在python3里

>>> range(1,6)
range(1, 6)

>>> L = []
>>> for x in range(1,6):
...     L.append(x*x)
... 
>>> L
[1, 4, 9, 16, 25]
>>> [ x*x for x in range(1,6) ]
[1, 4, 9, 16, 25]

说明：

python2中的range返回的是一个列表

python3中的range返回的是一个迭代值

 

二、生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

如何创建生成器呢？

方法一：（把列表生成式的[]变为()，就创建了一个generator）

>>> L = [x * x for x in range(8)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49]
>>> S = (x * x for x in range(8))
>>> S
<generator object <genexpr> at 0xb7102fcc>
>>>

如何打印generator的每一个元素呢？

方法一：
>>> next(S)
0
>>> next(S)
1
>>> next(S)
4
>>> next(S)
9
>>> next(S)
16
>>> next(S)
25
>>> next(S)
36
>>> next(S)
49
>>> next(S)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>> 

# 使用next方法来获取下一回的返回值，最终找不到更多的元素时，会抛出StopIteration错误。

#更好的方式，推荐使用for循环来获取元素值
>>> S = (x * x for x in range(8))
>>> for n in S:
...     print(n)
... 
0
1
4
9
16
25
36
49
>>>

　　

方法二：函数（推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现）


最著名的例子：斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, 55...

def fib(max):
    n,a,b = 0,0,1

    while n < max:
        #print(b)
        yield  b
        a,b = b,a+b

        n += 1
    return "over"

#一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。

而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

# next方法获取值
>>>data = http://www.mamicode.com/fib(10)>

　　

扩展：

yield实现在单线程的情况下实现并发运算的效果
import time

def consumer(name):
    print("%s 准备吃包子啦！" % name)
    while True:
        baozi = yield
        print("包子[%s]来了，被[%s]吃了" % (baozi,name))


#c = consumer("R")
#c.__next__()
#c.__next__()

def producer(name):
    c = consumer(‘A‘)
    c2 = consumer("B")
    c.__next__()
    c2.__next__()
    print("老子开始准备做包子了")
    for i in range(10):
        time.sleep(1)
        print("做了2个包子")
        c.send(i)
        c2.send(i)

producer("coco")

　　

三、迭代器

可迭代对象：可作用于for循环的对象都是可迭代对象（Iterable）

迭代器：可以被next()函数调用并不断返回下一个值的对象称为迭代器(Iterator)，它们表示一个惰性计算的序列

判断是否是可迭代类型：

# 可迭代类型：list、tuple、dict、set、str、generator

>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance([1,2,3],Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance((),Iterable)
True
>>> isinstance((4,5,6),Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance(‘coco‘,Iterable)
True
>>> isinstance((x*x for x in range(1,6)),Iterable)
True
>>> isinstance(200,Iterable)
False
>>>

 

判断是否是迭代器：

# 生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([1,2], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance(‘test‘, Iterator)
False

# 但是可以把list、dict、str等Iterable变成Iterator可以使用iter()函数：
>>> isinstance(iter([1,2]), Iterator)
True
>>> isinstance(iter(‘test‘), Iterator)
True　　

 

说明：

python的for循环本质上就是通过不断调用next()函数来实现的。

# for循环
for x in [1, 3, 5,7]:
    pass

# 使用next循环获取值的等价写法
it = iter([1, 3, 5,7])
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break

 

python列表生成式&生成器&迭代器


联系
我们