ptython迭代器与生成器-编程知识

ptython迭代器与生成器

迭代器

Python中的迭代器（Iterator）是一种强大的工具，用于访问集合元素。它是一种可以记住遍历位置的对象，这意味着迭代器不会一次性生成所有的元素，而是可以等到需要的时候才生成，从而节省了大量的内存资源。

任何实现了__next__方法的对象都可以被视为迭代器。迭代器有两个主要的方法：iter()和next()。iter()方法返回迭代器本身，而next()方法则返回容器的下一个元素。当没有下一个元素时，next()方法会抛出StopIteration异常。

Python中的许多内置类型，如list（列表）、tuple（元组）、dict（字典）、str（字符串）和set（集合）等，都是可迭代的对象。这意味着你可以使用for…in…循环遍历语法来依次获取这些对象中的数据进行使用。

总而言之言而总之
先看示例代码吧,文字概念不想写了

创建一个迭代器对象,然后手动迭代列表

list=['ikun','is','a','good','man']
it = iter(list)    # 创建迭代器对象
print (next(it))   # 输出迭代器的下一个元素print (next(it))

输出结果如下
在这里插入图片描述
迭代器对象可以使用常规for语句进行遍历：
示例代码如下

list=['ikun','is','a','good','man']
it = iter(list)    # 创建迭代器对象
for x in it:print (x, end=" ")

输出结果如下

在这里插入图片描述
也可以使用next
示例代码如下

import sys         # 引入 sys 模块list=[1,2,3,4]
it = iter(list)    # 创建迭代器对象while True:try:print (next(it))except StopIteration:sys.exit()

输出结果如下
在这里插入图片描述

创建一个迭代器

把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__() 。

如果你已经了解的面向对象编程，就知道类都有一个构造函数，Python 的构造函数为 init(), 它会在对象初始化的时候执行。

__iter__() 方法返回一个特殊的迭代器对象，这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。

__next__() 方法（Python 2 里是 next()）会返回下一个迭代器对象。

创建一个返回数字的迭代器，初始值为 1，逐步递增 1：

示例代码如下

class MyNumbers:def __iter__(self):self.a = 1return selfdef __next__(self):x = self.aself.a += 1return xmyclass = MyNumbers()
myiter = iter(myclass)print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))

输出如下
在这里插入图片描述

StopIteration

StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 next() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

在 20 次迭代后停止执行：

代码示例如下

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

输出结果如下
在这里插入图片描述

生成器

在 Python 中，使用了 yield 的函数被称为生成器（generator）。

yield 是一个关键字，用于定义生成器函数，生成器函数是一种特殊的函数，可以在迭代过程中逐步产生值，而不是一次性返回所有结果。

跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

当在生成器函数中使用 yield 语句时，函数的执行将会暂停，并将 yield 后面的表达式作为当前迭代的值返回。

然后，每次调用生成器的 next() 方法或使用 for 循环进行迭代时，函数会从上次暂停的地方继续执行，直到再次遇到 yield 语句。这样，生成器函数可以逐步产生值，而不需要一次性计算并返回所有结果。

调用一个生成器函数，返回的是一个迭代器对象。

下面是一个简单的示例，展示了生成器函数的使用
示例代码如下

def countdown(n):while n > 0:yield nn -= 1# 创建生成器对象
generator = countdown(5)# 通过迭代生成器获取值
print(next(generator))  # 输出: 5
print(next(generator))  # 输出: 4
print(next(generator))  # 输出: 3# 使用 for 循环迭代生成器
for value in generator:print(value)  # 输出: 2 1

输出结果如下
在这里插入图片描述
以上实例中，countdown 函数是一个生成器函数。它使用 yield 语句逐步产生从 n 到 1 的倒数数字。在每次调用 yield 语句时，函数会返回当前的倒数值，并在下一次调用时从上次暂停的地方继续执行。

通过创建生成器对象并使用 next() 函数或 for 循环迭代生成器，我们可以逐步获取生成器函数产生的值。在这个例子中，我们首先使用 next() 函数获取前三个倒数值，然后通过 for 循环获取剩下的两个倒数值。

生成器函数的优势是它们可以按需生成值，避免一次性生成大量数据并占用大量内存。此外，生成器还可以与其他迭代工具（如for循环）无缝配合使用，提供简洁和高效的迭代方式。

使用 yield 实现斐波那契数列

示例代码如下

import sysdef fibonacci(n): # 生成器函数 - 斐波那契a, b, counter = 0, 1, 0while True:if (counter > n): returnyield aa, b = b, a + bcounter += 1
f = fibonacci(10) # f 是一个迭代器，由生成器返回生成while True:try:print (next(f), end=" ")except StopIteration:sys.exit()