python 全栈开发，Day13(迭代器,生成器)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python 全栈开发，Day13(迭代器,生成器)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含6144字，纯文字阅读大概需要9分钟。
内容图文
一、迭代器
python 一切皆对象
能被for循环的对象就是可迭代对象
可迭代对象： str，list，tuple，dict，set，range
迭代器： f1文件句柄
dir打印该对象的所有操作方法
s = 'python' print(dir(s))
执行输出：
['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']
什么是可迭代对象：内部含有__iter__方法的对象就叫做可迭代对象
可迭代对象就遵循可迭代协议。
如何判断 两种方式
第一种：
s = 'python'
print('__iter__' in dir(s))
执行输出：
True
第二种：
from collections import Iterable l = [1, 2, 3, 4] print(isinstance(l, Iterable))
执行输出：
True
from collections import Iterable l = [1, 2, 3, 4] print(type(l)) print(isinstance(l,list))
执行输出：
<class 'list'>
True
type只能判断是什么类型
isinstance判断方面更广，不仅能判断类型，还能判断是否可迭代
迭代器
可迭代对象转化成迭代器：可迭代对象.__iter__() --->迭代器
迭代器不仅含有__iter__,还含有__next__。遵循迭代器协议。
l1 = [1,2,3] l1_obj = l1.__iter__() # 迭代器 print(l1_obj)
执行输出：
<list_iterator object at 0x000001987D5EB668>
表示它是一个列表迭代器对象
l1 = [1,2,3]
l1_obj = l1.__iter__() # 迭代器
print('__iter__' in dir(l1_obj)) #是否含有__iter__方法
print('__next__' in dir(l1)) #是否含有__next__方法
print('__next__' in dir(l1_obj))
执行输出：
True
False
True
从结果中，可以看出l1_obj是同时含有__iter__和__next__的对象，所以它是迭代器
迭代器使用__next__获取一个值
l1 = [1,2,3] l1_obj = l1.__iter__() # 迭代器 print(l1_obj.__next__()) #获取一个元素 print(l1_obj.__next__()) print(l1_obj.__next__()) print(l1_obj.__next__())
执行报错：
1
Traceback (most recent call last):
2
3
File "E:/python_script/day13/迭代器.py", line 9, in <module>
print(l1_obj.__next__())
StopIteration
多取了一个，就会报错，因为列表只有3个元素
使用for循环方式
l1 = [1,2,3]
l1_obj = l1.__iter__() # 转换为迭代器
for i in l1_obj:
print(i)
执行输出：
1
2
3
for循环的内部机制，就是用__next__方法执行的。为什么没有报错呢？它内部有异常处理机制
总结：
仅含有__iter__方法的，就是可迭代对象
包含__iter__和__next__方法的，就是迭代器
判断迭代器的2种方法：
第1种：
l1 = [1,2,3]
l1_obj = l1.__iter__() # 转换为迭代器
print('__iter__' in dir(l1_obj))
第2种：
l1 = [1,2,3] l1_obj = l1.__iter__() # 转换为迭代器 from collections import Iterator print(isinstance(l1_obj, Iterator))
返回True，就表示它是的
迭代器的好处：
1，节省内存空间。
2，满足惰性机制。
3，不能反复取值，不可逆。
不可逆，表示，已经取过的值，不能再次取，它只能取下一个。
for处理机制
l2 = [1, 2, 3, 4, 5, 6, 7, 8]
for i in l2:
print(i)
1，将可迭代对象转化成迭代器
2，内部使用__next__方法取值
3，运用了异常处理去处理报错。
迭代器最大的好处，就是节省内存
好的程序员，会在内存优化方面考虑，比如迭代器。
使用while循环，指定用__next__方法遍历列表
l2 = [1, 2, 3, 4, 5, 6, 7, 8]
l2_obj = l2.__iter__() #1.将可迭代对象转化成迭代器
while True:
try:
i = l2_obj.__next__() #内部使用__next__方法取值
print(i)
except Exception: #运用了异常处理去处理报错
break
try里面的代码，出现报错，不会提示红色文字
Exception 可以接收所有报错，表示报错的时候，该怎么处理，这里直接使用breck跳出循环
面试题：
使用whlie循环去遍历一个有限对象
直接使用上述代码即可。
二、生成器
生成器：生成器本质上是迭代器
l = [1,2,3] l.__iter__()
#生成器的产生方式：
1，生成器函数构造。
2，生成器推导式构造。
3，数据类型的转化。
def func1():
print(111)
print(222)
print(333)
return 666
print(func1())
执行输出：
111
222
333
666
将函数转换为生成器
def func1():
print(111)
print(222)
print(333)
yield 666
g = func1()
print(g)
执行输出：
<generator object func1 at 0x000001B4C369DE60>
第一：函数中只要有yield 那他就不是一个函数，而是一个生成器
第二：g称作生成器对象。
迭代器，使用__next__取值
def func1():
print(111)
print(222)
print(333)
yield 666
g = func1()
print(g.__next__())
print(g.__next__())
执行报错
一个__netxt__对应一个yield
比如生产10000套服装
一个厂商直接生产出10000套了
def func1():
for i in range(1,10001):
print('ARMAIN服装%d套' % i)
func1()
执行输出：
...
ARMAIN服装9998套
ARMAIN服装9999套
ARMAIN服装10000套
第二个厂商，先生产出50套，给老板看
def func1():
for i in range(1,10001):
yield 'ARMAIN服装%d套' % i
g = func1()
for i in range(1,51):
print(g.__next__())
执行输出：
...
ARMAIN服装48套
ARMAIN服装49套
ARMAIN服装50套
最终老板只要200套
先50套，再150套
def func1():
for i in range(1,10001):
yield 'ARMAIN服装%d套' % i
g = func1()
for i in range(1,51):
print(g.__next__())
#再执行150次，注意，它是从51开始的
for j in range(150):
print(g.__next__())
之前生产10000套的....
对于列表而言，for循环是从开始
对于生成器而言，它是有指针的，__next__一次，指针向前一次。它不能从头开始。
必须依次执行才行
生成器和迭代器的区别
迭代器： 有内置方法
生成器： 开发者自定义
send
def generator():
print(123)
content = yield 1
print('=======',content)
print(456)
yield
g = generator()
ret = g.__next__()
print('***',ret)
ret = g.send('hello') #send的效果和next一样
print('***',ret)
执行输出：
123
*** 1
======= hello
456
*** None
send 获取下一个值的效果和next基本一致
只是在获取下一个值的时候，给上一yield的位置传递一个数据
使用send的注意事项
第一次使用生成器的时候 是用next获取下一个值
最后一个yield不能接受外部的值
next 和send 功能一样，都是执行一次
send可以给上一个yield赋值。
明日默写内容：
1.什么是可迭代对象，什么是迭代器
答：
内部含有__iter__方法的对象就叫做可迭代对象
内部必须有__iter__方法和__next__方法的对象，叫做迭代器
2.可迭代对象如何转化成迭代器
答：
转化成迭代器：可迭代对象.__iter__() --->迭代器
例如
l1 = [1,2,3] l1_obj = l1.__iter__()
3.迭代器如何取值
答：
迭代器使用__next__()方法
4.什么是生成器？如何写一个生成器？生成器怎么取值？
答：
生成器，即生成一个容器。在Python中，一边循环，一边计算的机制，称为生成器。
#生成器示例
def fun1():
yield 1
生成器使用__next__()方法取值，或者for循环
内容总结
以上是互联网集市为您收集整理的python 全栈开发，Day13(迭代器,生成器)全部内容，希望文章能够帮你解决python 全栈开发，Day13(迭代器,生成器)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。