Python迭代器iterator生成器generator使用解析

这篇文章主要介绍了Python迭代器iterator生成器generator使用解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

1. 迭代

根据记录的前面的元素的位置信息 去访问后续的元素的过程 -遍历 迭代

2. 可迭代对象 iterable

如何判断可迭代对象的3种方式能够被迭代访问的对象 for in常用可迭代对象-list tuple strfrom collections import Iterableisinstance(obj, Iterable)3. 可迭代对象

可迭代对象通过__iter__方法提供一个 可以遍历对象中数据的工具-迭代器

iter(可迭代对象) 可以获取可迭代对象的迭代器

通过迭代器可以迭代访问 数据

next(迭代器) ===== 迭代器对象.__next__()

可迭代对象的本质提供了一个迭代器(遍历可迭代对象中的数据)

如何获取可迭代对象中的迭代器迭代器对象= iter(可迭代对象)

如果通过迭代器访问可迭代对象中下一个元素元素的值＝next(迭代器对象)

如果迭代器遍历完成抛出 停止迭代－异常stopiteration

如果需要实现一个迭代器 就需要实现__next__()

4. 迭代器 iterator

-- 迭代器访问可迭代对象中数据 判断对象是否是迭代器类型

from collections import Iterator isinstance(obj, Iterator)

自己实现

迭代器本身也是可迭代对象 __iter__() 提供迭代器(self)

下一个元素的值 = next(迭代器) =====> __next__()

实现一个可迭代对象

from collections import Iterable from collections import Iterator import time class MylistIterator(object): """这是Mylist类型的对应迭代器类型 """ def __init__(self,data): # 需要被便利的数据 self.data = data # 保存用户访问的位置 self.index = 0 def __iter__(self): """python规定 迭代器是一种可迭代对象""" return self def __next__(self): """next(ml_iterator) 相当于调用迭代器对象的.__next__()""" if self.index

用迭代器完成斐波那契数列（难点在next）

"""兔子队列 某一项的值是前两项的和 1 1 2 3 5 8 """ class Fib(object): def __init__(self,n): """初始化操作""" # n代表数列的长度 self.n = n # 下标记录 self.index = 0 self.number1 = 0 self.number2 = 1 def __iter__(self): return self def __next__(self): """ｎｅｘｔ(迭代器)＝＝＝.__next__()""" if self.index

5. 生成器 generator

生成器是一种特殊的迭代器 --- 是迭代器, 并且有自己的特点

1 创建生成器表达式 [] ----》 （x for x in range(100)）

2 生成器函数

凡是有yield关键字的函数都不是普通函数了 而是生成器函数

# 列表推导式 lis=[x for x in range(10)] print(lis) # 生成器表达式 中括号变圆括号 data=(x for x in range(10)) print(data) # 遍历data for i in data: print(i)

结果：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9] at 0x02AE7120> 1 3 5 7 9

6. yield关键字的作用

挂起当前函数 将后面表达式的值 返回到调用生成器的地方

接收数据 并唤醒当前函数 并且紧接着上次运行的地址继续执行

7. 唤醒生成器的两种方式

生成器.send("数据")

next(生成器) === 生成器.send(None)

在第一次调用生成器对象的是 必须使用next()

在后续的情况下 send和next可以混用

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程之家。