迭代器和生成器的学习笔记

迭代器

Python 迭代器是一种对象,它实现了迭代协议,包括 __iter__()__next__() 方法。迭代器可以让你在数据集中逐个访问元素,而无需关心数据结构的底层实现。与列表或其他集合相比,迭代器可以节省内存,因为它们一次只生成一个元素。

迭代器的基本特点

  1. 懒加载:迭代器不会一次性将所有数据加载到内存中,而是根据需要生成元素。
  2. 状态保持:迭代器在迭代过程中会保持其状态,可以从上次停止的地方继续迭代。
  3. 可以遍历 :迭代器是可遍历的,可以使用 for 循环等结构来进行遍历。

下面的代码可以看出迭代器在节省内存方面的作用。

python 复制代码
import sys
import random

# 生成 1-100的随机数的集合,共1000个元素
numbers = [random.randint(1, 100) for _ in range(1000)]
iterator = iter(numbers)

# 打印对象的内存大小
print(sys.getsizeof(numbers))   # 9016
print(sys.getsizeof(iterator))  # 48

迭代器的经典demo:

python 复制代码
# 创建一个简单的迭代器
class MyIterator:
    def __init__(self, limit):
        self.limit = limit
        self.current = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.current < self.limit:
            self.current += 1
            return self.current
        else:
            raise StopIteration

# 使用迭代器
for num in MyIterator(5):
    print(num)

迭代器在读取大文件的经典应用:

python 复制代码
with open('users.csv', 'r') as file:
    for line in file:
        print(line.strip())

逐行读取文件内容,而不需要将整个文件加载到内存中。这种方法节省了内存资源,特别是在处理非常大的文件时。

生成器

生成器是一种特殊类型的迭代器,它允许你在函数中暂停执行并在以后继续。

使用 yield 的基本概念

  1. 生成器函数 :当一个函数包含yield语句时,它不再是一个普通的函数,而是一个生成器函数。当调用这个函数时,它不会立即执行,而是返回一个生成器对象。

  2. 状态保留 :每次调用生成器的__next__()方法(或者使用next()函数)时,生成器函数会从上次执行的位置继续执行,直到遇到下一个yield语句。在此时,函数的执行状态(包括局部变量)会被保留。

  3. 迭代 :生成器可以被用于迭代,像普通的列表或其他可迭代对象一样。使用for循环可以逐个获取生成器产生的值。

python 复制代码
# 定义一个生成器函数
def read_users():
    with open('users.csv', 'r') as file:
        for line in file:
            yield line.strip()


r1 = read_users()  # 定义一个生成器对象
r2 = read_users()  # 定义另一个生成器对象
print(next(r1))
print(next(r1))
print(next(r1))
print(next(r1))
print(next(r2))
print(next(r2))
print(next(r2))
print(next(r2))

局部变量保留的demo

python 复制代码
list1 = ['a', 'b', 'c', 'd', 'e', 'f']


def iterator():
    i = 0
    for x in list1:
        yield do_something(i, x)
        i += 1


def do_something(i, x):
    print(i, x)


r1 = iterator()  # 定义一个生成器对象
r2 = iterator()  # 定义另一个生成器对象
next(r1)
next(r1)
next(r1)
next(r1)
next(r2)
next(r2)
next(r2)
next(r2)
next(r2)
运行结果:
0 a
1 b
2 c
3 d
0 a
1 b
2 c
3 d
4 e

更深入理解yield的"暂停"

函数每次遇到yield就暂停,它并不在意yield时来自于循环、迭代或者是在函数体内重复定义的,这意味着一个函数中可以有不止一个yield,并且每次运行到yield时,函数就暂停运行,并保存中间结果和变量,直到下一次next()后继续运行。

python 复制代码
list1 = ['a', 'b', 'c', 'd', 'e', 'f']


def iterator():
    for x in list1:
        yield print(x)
        yield print(x)
        yield print(x)
        yield print(x)


r1 = iterator()  # 定义一个生成器对象
next(r1)
next(r1)
next(r1)
next(r1)
next(r1)
next(r1)

# 运行结果:
# a
# a
# a
# a
# b
# b

可以将yield理解为一个中断标志

可以将yield理解为一个中断标志,当生成器遇到 yield 语句时,它会暂停执行,并返回 yield 后面跟随的值或者函数。如果yield后面没有跟随内容,那么它就仅仅是一次暂停标志而已。

python 复制代码
list1 = ['a', 'b', 'c', 'd', 'e', 'f']


def iterator():
    i = 0
    for x in list1:
        print('loop', i)
        yield
        i += 1
        print(x)


r1 = iterator()  # 定义一个生成器对象
next(r1)
next(r1)
next(r1)
# 执行结果:
# loop 0
# a
# loop 1
# b
# loop 2

yield的灵活运用

既然函数每次遇到yield就暂停,它并不在意yield时来自于循环、迭代或者是在函数体内重复定义的,而且可以将yield理解为一个中断标志,那么我们也就可以生成一个不循环的函数,通过yield达到步进执行的效果。

python 复制代码
list1 = ['a', 'b', 'c', 'd', 'e', 'f']


def iterator():
    i = 0
    print('breakpoint', i)
    yield
    i += 1
    print('breakpoint', i)
    yield
    i += 1
    print('breakpoint', i)
    yield
    i += 1
    print('breakpoint', i)
    yield
    i += 1
    print('breakpoint', i)


r1 = iterator()  # 定义一个生成器对象
next(r1)
next(r1)
next(r1)
# 执行结果:
# breakpoint 0
# breakpoint 1
# breakpoint 2

注意可暂停和可迭代次数

要保证调用的次数不要大于可迭代次数或者可暂停次数,否则就会报错。

python 复制代码
def iterator():
    i = 0
    print('breakpoint', i)
    i += 1
    yield
    print('breakpoint', i)
    i += 1
    yield


r1 = iterator()  # 定义一个生成器对象
next(r1)
next(r1)
next(r1)

上面的例子,定义了两个yield,但是next()调用了三次,所以出错。

python 复制代码
list1 = [1, 2, 3]


def iterator():
    for i in list1:  # 遍历列表
        yield print(i)


r1 = iterator()  # 定义一个生成器对象
next(r1)
next(r1)
next(r1)
next(r1)

这个,由于调用次数大于了列表的元素数量,也会出错。

采取措施,避免程序崩溃

1、使用try

python 复制代码
def iterator():
    i = 0
    print('breakpoint', i)
    i += 1
    yield
    print('breakpoint', i)
    i += 1
    yield


r1 = iterator()  # 定义一个生成器对象


def next_do():
    try:
        next(r1)
    except StopIteration:
        print("No more items to yield")


next_do()
next_do()
next_do()
next_do()
python 复制代码
list1 = [1, 2, 3]


def iterator():
    for i in list1:  # 遍历列表
        yield print(i)


r1 = iterator()  # 定义一个生成器对象


def next_do():
    try:
        next(r1)
    except StopIteration:
        print("No more items to yield")


next_do()
next_do()
next_do()
next_do()
next_do()

# 运行结果:
# 1
# 2
# 3
# No more items to yield
# No more items to yield

2、指定next()的默认返回值参数,如果指定了该参数,并且迭代器没有更多的值可返回,则返回该参数的值,而不是引发 StopIteration 异常。

python 复制代码
def iterator():
    i = 0
    print('breakpoint', i)
    i += 1
    yield
    print('breakpoint', i)
    i += 1
    yield


def next_do():
    if next(r1, 'END'):  # 指定next()的默认返回值,可以是任意非None值
        print('No more items to yield')


r1 = iterator()  # 定义一个生成器对象

next_do()
next_do()
next_do()
next_do()
next_do()

# 运行结果:
# breakpoint 0
# breakpoint 1
# No more items to yield
# No more items to yield
# No more items to yield

send()的用法

python 复制代码
def generator_with_send():
    received = yield  # yield 语句会暂停生成器,等待 send() 方法的调用并返回 yield 语句后面的值
    yield received  # 输出接收到的值


gen = generator_with_send()

next(gen)  # 启动生成器
print(gen.send('this is send1'))  # 通过 send() 方法向生成器发送数据

多次发送

python 复制代码
def generator_with_send():
    received = yield  # 第一次调用 `send` 时暂停在此处
    yield received  # 输出第一次接收到的值
    received = yield  # 再次暂停,准备接收下一个值
    yield received  # 输出第二次接收到的值
    received = yield  # 再次暂停,准备接收下一个值
    yield received  # 输出第三次接收到的值


gen = generator_with_send()

next(gen)  # 启动生成器
print(gen.send('this is send1'))  # 发送数据
next(gen)  # 继续执行,准备接收下一个值
print(gen.send('this is send2'))  # 发送数据
next(gen)  # 继续执行,准备接收下一个值
print(gen.send('this is send3'))  # 发送数据


# 输出结果为:
# this is send1
# this is send2
# this is send3

OR:

python 复制代码
def generator_with_send():
    received = yield  # 第一次调用 `send` 时暂停在此处

    received = yield received  # 每次重新接收 send() 发送的值
    received = yield received  # 每次重新接收 send() 发送的值
    received = yield received  # 每次重新接收 send() 发送的值


gen = generator_with_send()

next(gen)  # 启动生成器
print(gen.send('this is send1'))  # 第一次发送 'this is send1'
print(gen.send('this is send2'))  # 第二次发送 'this is send2'
print(gen.send('this is send3'))  # 第三次发送 'this is send3'

OR:

python 复制代码
def generator_with_send():
    received = yield  # 第一次调用 `send` 时暂停在此处
    while True:
        received = yield received  # 每次重新接收 send() 发送的值


gen = generator_with_send()

next(gen)  # 启动生成器
print(gen.send('this is send1'))  # 第一次发送 'this is send1'
print(gen.send('this is send2'))  # 第二次发送 'this is send2'
print(gen.send('this is send3'))  # 第三次发送 'this is send3'

close()的用法

close()方法用于关闭生成器,关闭后,如果尝试迭代或恢复执行生成器,会引发 StopIteration 异常。

在生成器中,close() 方法会触发 GeneratorExit 异常,通过捕捉这个异常,在生成器中进行必要的清理工作(比如释放资源、关闭文件等)。

python 复制代码
def my_generator():
    try:
        while True:
            value = yield
            print(f"Received: {value}")
    except GeneratorExit:
        print("Generator is being closed.")

gen = my_generator()

# 启动生成器
next(gen)

# 发送一些值
gen.send('Hello')
gen.send('World')

# 关闭生成器
gen.close()

# 再次尝试发送值会引发 StopIteration 异常
try:
    gen.send('This will not work')
except StopIteration:
    print("Generator is closed and cannot receive values.")
相关推荐
IT古董7 分钟前
【人工智能】Python在机器学习与人工智能中的应用
开发语言·人工智能·python·机器学习
湫ccc31 分钟前
《Python基础》之pip换国内镜像源
开发语言·python·pip
熙曦Sakura31 分钟前
完全竞争市场
笔记
hakesashou32 分钟前
Python中常用的函数介绍
java·网络·python
菜鸟的人工智能之路42 分钟前
极坐标气泡图:医学数据分析的可视化新视角
python·数据分析·健康医疗
菜鸟学Python43 分钟前
Python 数据分析核心库大全!
开发语言·python·数据挖掘·数据分析
小白不太白95044 分钟前
设计模式之 责任链模式
python·设计模式·责任链模式
喜欢猪猪1 小时前
Django:从入门到精通
后端·python·django
糖豆豆今天也要努力鸭1 小时前
torch.__version__的torch版本和conda list的torch版本不一致
linux·pytorch·python·深度学习·conda·torch
何大春1 小时前
【弱监督语义分割】Self-supervised Image-specific Prototype Exploration for WSSS 论文阅读
论文阅读·人工智能·python·深度学习·论文笔记·原型模式