当前位置：网站首页 > 技术资源 > 正文

阿六详解 python 中的迭代操作和迭代器、生成器的区别

off999 2024-09-29 16:15 32 浏览 0 评论

前言

小伙伴们迭代器和生成器是 python 面试的时候，被问概率较高的一个知识点，很多小伙伴都不太分得清这两者的区别，今天就来给大家详细的讲解迭代器和生成器的区别。

一、可迭代对象

在讲解迭代器和生成器之前，我们得先说说可迭代对象，所谓的可迭代对象就是能够通过 for 循环迭代，逐一返回其成员项的对象称为可迭代对象， python 中可迭代对象包括

1、所有序列类型：如 list、 str 和 tuple、range
2、非序列类型： dict、set、文件对象
3、实现了 __iter__() 方法的任意对象
4、实现了序列语义的 __getitem__() 方法的任意对象。

二、for 循环迭代到底干了啥？

1、 __iter__() 方法

__iter__() 在 python 中也被称作迭代协议，只要对象拥有 __iter__() 方法，那么该对象就实现了迭代协议，就可以进行迭代操作。

另外 __iter__() 方法的返回值，必须是一个迭代器(迭代器下章详细讲解)。

python 中的 list、str、tuple、dict、set 等类型都实现了 __iter__() (迭代协议)，所以能够直接进行遍历。

当我们用 for 去遍历任何一个对象时，for 循环执行的时候，会先去调用对象的 __iter__()，根据 __iter__() 返回的迭代器，再进行迭代操作。

下面是我自己定义的一个实现 __iter__() 方法，可迭代对象的类

  class MyArray:
    """自定义的可迭代对象类"""
    def __iter__(self):
        return iter([11, 22, 33, 44])
  
if __name__ == '__main__':
    m = MyArray()
    for i in m:
        print(i)

执行结果：

上面案例遍历自定义 MyArray 类的对象，可以看到遍历出来的是 __iter__() 返回迭代器中的数据

2、__getitem__() 方法

__getitem__() 是用来实现序列类型数据索引取值的魔术方法。python 中的 str、list、dict 等类型的数据均实现了该方法。

  li = [11,22,33]
dic = {'a':11,'b':22}
# 列表索引取值,本质上调用的是 li.__getitem__(1)方法去取值的。
li[1]

前面说到 for 循环遍历对象的时候，会先去调用对象的 __iter__() 方法，如果对象没有定义 __iter__() 方法，那么 for 在遍历的时候，就会从索引 0 开始，循环调用 __getitem__()，，把 __getitem__() 的返回值，作为遍历出来的数据，直到 __getitem__() 中抛出异常，则终止循环。

下面是通过 __getitem__() 方法实现的可迭代对象的类。

  class Mylist2:
    """自定义的序列类类"""
    li = ['a1', 'a2', 'a3', 'a4']
    def __getitem__(self, item):
        # iten是for循环内部传进来的索引值，从0开始
        return self.li[item]
  
if __name__ == '__main__':
    m2 = Mylist2()
    for i in m2:
        print(i)

执行结果：

  a1
a2
a3
a4

从上面的案例中我们可以看到我们在遍历 Mylist2 这个类的对象时，其实就是不断的调用对象的 __getitem__ 方法来获取遍历出来的值。

三、迭代器(Iterator)

理解了什么是可迭代对象和 for 循环迭代的机制之后，我们再来了解一下迭代器协议和迭代器。

2.1 迭代器协议：

  迭代器协议由一个`__iter__` 方法和__next__方法共同构成。实现了这两个方法的对象就实现了迭代器协议。

1、对象实现了迭代协议的对象（实现了 __iter__ 方法）
2、对象实现了 __next__ 方法，__next__ 方法在迭代完所有数据之后，会抛出 StopIteration 的错误信息。

2.2迭代器

1、实现了迭代器协议的对象，就是一个迭代器
2、所有的可迭代对象都可以通过内置函数 iter()转换为迭代器：
3、迭代器对象能够使用内置函数 next 进行迭代操作，当所有数据迭代完毕后，再使用 next 迭代，会抛出异常 StopIteration。
4、所有的迭代器都是可迭代对象，因为迭代器协议包含了迭代协议

# 将列表转换为一个迭代器
iter_li = iter([11,22,33,44])
# 通过next对迭代器进行迭代操作，每次可以迭代出来一个数据
s1 = next(iter_li)
print('s1:',s1)
s2 = next(iter_li)
print('s2:',s2)

# 上述代码运行结果为：
s1 :11
s2 :22

四、生成器

问题：什么是生成器？生成器有什么作用？

是一种特殊的迭代器，具备迭代器所有的特性，生成器内部不存储数据，只保存生成数据的计算规则，在存储大量数据的时候，能够节约内存的开销

python 中定义生成器，一共有两种方式，一种是生成器表达式，另一种是生成器函数。

4.1、生成器表达式

生成器表达式的语法其实就是把列表推导式的中括号改成小括号，如下：

  gen_ =(item for item in range(10))
print(gen_)

运行结果：

  <generator object <genexpr> at 0x00000000023A8DB0>

上面运行的结果是一个 generator object，就是一个生成器对象，而上面写的表达式，就叫做生成器表达式

4.2、生成器函数

在函数中使用 yeild 关键字可以定义一个生成器函数。只要当函数中有 yeild 这个关键字，那么就不能再把它看成一个简单的函数，调用函数不会直接执行函数内部的代码，而是直接返回的就是一个生成器对象

  def func():
    for i in item:
        yeild i

#调用函数   
gen_lsit = func()
print(type(gen_list))
#返回的是一个generator对象

#同样也可以使用next生成数据
next(gen_list)

五、生成器和迭代器的区别：

生成器属于迭代器的一种，如何区分迭代器和生成器？

1、迭代器类型是 Iterator 类型，生成器是 Generator 类型。
2、生成器内部不存储数据，只保存生成数据的计算规则
3、生成器比迭代器多了 3 个方法 send 方法：在生成数据的同时，可以和生成器内部进行数据交互 close: 生成可以调用 close 方法进行关闭 throw：可以在生成器内部上一次暂停的 yield 处引发一个指定的异常类型。生成器内部可以通过捕获的异常类型来做不同的处理

  def gen():
    for i in range(10):
        yield i

g = gen()
print(next(g))

print(g.send(10))

# close：关闭生成器
# g.close()

# throw :在生成器内部主动引发一个异常   参数：异常类型  异常信息
# g.throw(ValueError, "hello python")

好了今天就到这里了，喜欢的可以给我点赞加关注哟。

ipython和python区别