生成器与迭代器
- 生成器
- 创建生成器的方式二(生成器函数)
- 迭代器
- 动态添加属性和方法
- [slots 的作用](#slots 的作用)
生成器
生成器定义
在Python中,一边循环一边计算的机制,称为生成器:generator
为什么要有生成器
列表所有数据都在内存中,如果有海量数据的话将会非常耗内存。
如: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。
如果列表元素按照某种算法推算出来,那我们就可以在循环的过程
中不断推算出后续的元素,这样就不必创建完整的list,从而节省大
量的空间。
简单说:
时间换空间!想要得到庞大的数据,又想让它占用空间少,那就用生成器!
延迟计算!需要的时候,再计算出数据!
创建生成器的方式一(生成器表达式)
生成器表达式很简单,只要把一个列表推导式的 [] 改成 () ,就创建
了一个生成器(generator):
python
L = [x * x for x in range(10)]
print(L)
g = (x * x for x in range(10))
print(g)
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
<generator object at 0x1006e8520>
创建 L 和 g 的区别仅在于最外层的 [] 和 () , L 是一个list,而 g 是一个
generator。
创建生成器的方式二(生成器函数)
生成器函数:
- 如果一个函数中包含 yield 关键字,那么这个函数就不再是一个普通函数,调用函数就是创建了一个生成器(generator)对象。
- 生成器函数:其实就是利用关键字 yield 一次性返回一个结果,阻塞,重新开始。
生成器函数的工作原理
生成器函数返回一个迭代器,for循环对这个迭代器不断调用 next () 函数,不断运行到下一个 yield
语句,一次一次取得每一个返回值,直到没有 yield 语句为止,最终引发 StopIteration 异 常。
yield 相当于 return 返回一个值,并且记住这个返回的位置,下次迭代时,代码从 yield 的下一条 语句(不是下一行)开始执行。
send() 和 next() 一样,都能让生成器继续往下走一步(下次遇到 yield 停),但 send() 能传一个 值,这个值作为yield 表达式整体的结果
python
#coding=utf-8
"""
1. 函数有了yield之后,调用它,就会生成一个生成器
2. yield作用:程序挂起,返回相应的值。下次从下一个语
句开始执行。
3. return在生成器中代表生成器种植,直接报错:
StopIeratation
4. next方法作用:唤醒并继续执行
"""
def test():
print("start")
i=0
while i<3:
temp = yield i #下次迭代时,代码从`yield`的下一条语句(不是下一行)开始执行
print(f"temp:{temp}")
i += 1
print("end")
return "done"
if __name__ == '__main__':
a = test()
print(type(a))
print(a.__next__())
print(a.__next__())
print(a.__next__()) # next(a) 一样
print(a.__next__()) # 抛出异常:StopIteration
总结
什么是生成器?
生成器仅仅保存了一套生成数值的算法,并且没有让这个算
法现在就开始执行,而是我什么时候调它,它什么时候开始
计算一个新的值,并给你返回。
迭代器
概念
1 迭代是Python最强大的功能之一,是访问集合元素的一种方式。
2 迭代器是一个可以记住遍历的位置的对象。
3 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。
4 迭代器只能往前不会后退。
5 迭代器有两个基本的方法: iter() 和 next()
可迭代对象和迭代器区别
1 一个实现了 iter 方法的对象,称为"可迭代对象Ieratable"
2 一个实现 next 方法并且是可迭代的对象,称为"迭代器Iterator"
即:实现了 iter 方法和 next 方法的对象就是迭代器。
⚠️生成器都是 Iterator 对象,但 list 、 dict 、 str 虽然是 Iterable(可迭代对
象) ,却不是 Iterator(迭代器) 。
为什么 list 、 dict 、 str 等数据类型不是 Iterator ?
Python的 Iterator 对象表示的是一个数据流。可以把这个数据流看
做是一个有序序列,但我们却不能提前知道序列的长度,只能
不断通过 next() 函数实现按需计算下一个数据,所以 Iterator 的计算
是惰性的,只有在需要返回下一个数据时它才会计算。
所以,生成器一定是迭代器。
Iterator 甚至可以表示一个无限大的数据流,例如全体自然数。而
使用list是永远不可能存储全体自然数的。
for循环的本质
Python3的 for 循环本质上就是通过不断调用 next() 函数实现的。
本质是:
python
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
创建一个迭代器
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()
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() 方法会返回下一个迭代器对象。
python
class MyNumbers:
def __iter__(self):
self.num = 10
return self
def __next__(self):
if self.num<40:
x = self.num
self.num += 10
return x
else:
raise StopIteration
myclass = MyNumbers()
myiter = iter(myclass)
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
动态添加属性和方法
动态编程语言是高级程序设计语言的一个类别,在计算机科学领域
已被广泛应用。
它是指在运行时可以改变其结构的语言 :例如新的函数、 对象、甚
至代码可以被引进,
已有的函数可以被删除或是其他结构上的变化。
运行过程中给对象、类添加属性和方法
python
#coding=utf-8
import types
class Person():
def __init__(self,name,age):
self.name = name
self.age = age
p1 = Person("zhangsan",20)
p2 = Person("lisi",30)
#动态给对象添加属性和方法
p1.score = 100
print(p1.score)
def run(self):
print(f"{self.name},running...")
#动态的对象添加方法
p1.run = types.MethodType(run,p1)
p1.run()
types.MethonType的使用
python
p1.run = types.MethodType(run,p1)
# 即使换成
xxx = types.MethodType(run,p1)
# xxx()调用一样还用
# 因为之前提示缺少参数,主要是不知道self到底是谁,
# 而types.MethodType(run,p1)则是告诉解释器,self
指的就是p1
给类动态添加静态方法以及类方法
python
@staticmethod
def staticfunc():
print("---static method---")
Person.staticfunc = staticfunc
Person.staticfunc()
@classmethod
def clsfunc(cls):
print('---cls method---')
Person.clsfunc = clsfunc
Person.clsfunc()
slots 的作用
slots 对动态添加成员变量、成员方法有限制。对动态添加类属性、类方法没有限制。
slots 只对本类有限制,不限制子类
python
class Person():
__slots__ = {"name","age"}
def __init__(self,name,age):
self.name = name
self.age = age
def eat(self):
print("人是铁饭是钢,要吃!")
if __name__ == '__main__':
p1 = Person("gaoqi",18)
# p1.gender = "man" #AttributeError:
'Person' object has no attribute 'gender'