Python生成器与迭代器怎么用

这篇文章给大家分享的是有关Python生成器与迭代器怎么用的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

1、生成器

现在可以通过生成器来直接创建一个列表，但是由于内存的限制，列表的容量肯定是有限的，如果我们需要一个包含几百个元素的列表，但是每次访问的时候只访问其中的几个，那剩下的元素不使用就很浪费内存空间。

这个时候生成器（Generator）就起到了作用，他是按照某种算法不断生成新的数据，直到满足某一个指定的条件结束

得到生成式的方式有如下几种：

通过列表生成式来得到生成器，示例代码如下：

g = (x for x in range(10))  # 将列表生成列的[]改变成为()# 打印其类型print(type(g))  # # 调用其元素print(g.__next__())  # 0print(g.__next__())  # 1print(g.__next__())  # 2print(g.__next__())  # 3print(g.__next__())  # 4# 使用.__next__的方式调用print(next(g))  # 5print(next(g))  # 6print(next(g))  # 7print(next(g))  # 8print(next(g))  # 9# 使用next()的方法调用print(next(g))  # 当数据调用不到时会报出错误 StopIteration

需要多少调用多少，不调用的不会生成，也就不会占用内存空间，可以使用循环结构来按照需要来调用

g = (x for x in range(10))  # 将列表生成列的[]改变成为()skip = True  # 判断条件count = 0  # 调用次数while skip:    count += 1  # 循环一次+1    print(next(g))    if count > 9:        break  # 跳出循环

使用函数借助yield关键字来完成一个生成器，生成斐波那契数列的前20个数，示例代码如下：

def fun(length):    a, b = 0, 1    for _ in range(length):        a, b = b, a + b        yield afib = fun(20)print(type(fib))  #   # 打印类型count = 0while count < 20:    # 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181 6765    print(next(fib), "", end="")    count += 1

流程如下：

在执行过程中，遇到yield关键字就会暂停执行，下次调用则继续从上次暂停的位置继续执行，因为是一个循环语句，所有会直接跳到for语句

如果在调用yield，需要给它传值，就要使用.send()方法了。

示例代码如下：

def fun(num):    n = 0    for i in range(num + 1):        n += i        ret = yield n        print(f"这是+到{ret}的第{i + 1} 次")g = fun(3)print(g.send(None))print(g.send('3'))print(g.send('3'))print(g.send('3'))'''---输出结果---0这是+到 3 的第 1 次1这是+到 3 的第 2 次3这是+到 3 的第 3 次6'''

send的加入可以使生成器更加灵活，但是需要注意的是第一次调用生成器的send()方法时，参数只能为None，否则会抛出异常。当然也可以在调用send()方法之前先调用一次next()方法，目的是让生成器先进入yield表达式。

2、迭代器与可迭代的生成器

可迭代的对象有生成器、元组、列表、集合、字典和字符串等

通过collections的Iterable函数结合isinstance(object, classinfo)来判断一个对象时不是可迭代的对象

迭代是访问集合元素的一种方式。迭代器是一个可以记住遍历的位置的对象。迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。很生成器也是迭代器。

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 ，可以使用isinstance()判断一个对象是否是Iterator对象：

注意：可迭代的不一定是生成器，但是生成器一定第可迭代的。

把元组、列表、集合、字典和字符串等Iterable变成Iterator可以使用iter()函数

Iterable和Iterator****的区别是Iterable是可以作为for循环对象的统称；而Iterator对象需要被next()函数调用才不断返回下一个数据，直到没有数据时抛出StopIteration错误，而在这之前是不会知道其长度的，所以Iterator的计算是惰性的，只有next()函数叫他才会返回结果，Iterator甚至可以表示一个无限大的数据流，例如全体自然数。

from collections.abc import Iterable, Iteratora = [1, 2, 3]b = {1, 2, 3}c = (1, 2, 3)d = "123"e = 123f = (x for x in range(5))# 打印数据类型print(type(a))  # print(type(b))  # print(type(c))  # print(type(d))  # print(type(e))  # print(type(f))  # print("-" * 20)# 打印是否为可迭代对象print(isinstance(a, Iterable))  # Trueprint(isinstance(b, Iterable))  # Trueprint(isinstance(c, Iterable))  # Trueprint(isinstance(d, Iterable))  # Trueprint(isinstance(e, Iterable))  # Falseprint(isinstance(f, Iterable))  # Trueprint("-" * 20)# 除了字符串都是可迭代对象# 打印是否是迭代器print(isinstance(a, Iterator))  # Falseprint(isinstance(b, Iterator))  # Falseprint(isinstance(c, Iterator))  # Falseprint(isinstance(d, Iterator))  # Falseprint(isinstance(f, Iterator))  # True# 只有f(生成器)是迭代器print("-" * 20)# 通过iter()将可迭代转换为迭代器print(isinstance(iter(a), Iterator))  # Trueprint(isinstance(iter(b), Iterator))  # Trueprint(isinstance(iter(c), Iterator))  # Trueprint(isinstance(iter(d), Iterator))  # True

感谢各位的阅读！关于"Python生成器与迭代器怎么用"这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！