Python教程·迭代、可迭代对象、迭代器与生成器详解

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教程·迭代、可迭代对象、迭代器与生成器详解，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5659字，纯文字阅读大概需要9分钟。

内容图文

iteration（迭代）

迭代是Python最强大的功能之一，是访问集合元素的一种方式。

只要是可迭代对象（Iterable），就可以通过for循环来遍历，这种遍历我们称为迭代。

也就是说所有可作用于for循环的对象都是可迭代对象（Iterable）。

那么，如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：

>>> from collections import Iterable
>>> isinstance(123,Iterable)            # Integer 不可迭代
False
>>> isinstance('abc',Iterable)          # String 可迭代
True
>>> isinstance([1,2,3],Iterable)        # List 可迭代
True
>>> isinstance(('a','b','c'),Iterable)  # Tuple 可迭代
True
>>> isinstance({'name':'Arno','Job':'Ops'},Iterable)    # Dictionary 可迭代
True

dict 迭代说明

默认情况下，dict迭代的是key：

>>> d = {'Name':'Arno','Born':1993,'Job':'Ops'}
>>> for k in d:
...     print(k)
... 
Name
Born
Job

如果要迭代value，可以用for value in d.values()：

>>> for v in d.values():
...     print(v)
... 
Arno
1993
Ops

如果要同时迭代key和value，可以用for k, v in d.items()：

>>> for k,v in d.items():
...     print('key:', k, '\t', 'value:', v)
... 
key: Name    value: Arno
key: Born    value: 1993
key: Job     value: Ops

知识扩展

在Python中，List元素是有索引的，那么如何实现类似Java那样的下标循环？

方法一，通过len()方法取得列表长度，再结合range()方法实现索引下标循环：

>>> L = ['a','b','c']
>>> for i in range(len(L)):
...     print(i, L[i])
... 
0 a
1 b
2 c

方法二，Python内置的enumerate函数可以把一个list变成 索引-元素 对，这样就可以在for循环中同时迭代索引和元素本身：

>>> for i,v in enumerate(L):
...     print(i, v)
... 
0 a
1 b
2 c

iterator（迭代器）

迭代器是一个可以记住遍历的位置的对象。

• 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；
• 迭代器只能往前不会后退；

迭代器有两个基本的方法：

• iter()
• next()

可以通过 collections 模块的 Iterator 类型判断一个对象是否是迭代器：

>>> from collections import Iterator
>>> isinstance([1,2,3], Iterator)
False
>>> isinstance({'Name':'Arno','Born':1993,'Job':'Ops'}, Iterator)
False
>>> isinstance('abc', Iterator)
False
>>> isinstance(iter([1,2,3]), Iterator)             # iter()创建迭代器对象
True
>>> isinstance((x for x in range(10)), Iterator)    # 生成器
True

可以看出，生成器（generator）都是迭代器（Iterator）对象，但String、List、Tuple、Dict虽然是可迭代对象（Iterable），却不是迭代器（Iterator）。

当然，String、List、Tuple、Dict等可迭代对象都可用于创建迭代器：

>>> L = [1,2,3]
>>> it = iter(L)
>>> print(next(it))
1
>>> print(next(it))
2
>>> print(next(it))
3
>>> print(next(it))     # 没有值可返回时，抛异常 StopIteration
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>> 

迭代器对象常使用for语句进行遍历：

>>> L = [1,2,3]
>>> it = iter(L)
>>> for x in it:
...     print(x, end=" ")
... 
1 2 3 

也可以使用 next() 函数：

>>> import sys
>>> L = [1,2,3]
>>> it = iter(L)
>>> while True:
...     try:
...         print(next(it))
...     except StopIteration:
...         sys.exit()
... 
1
2
3

generator（生成器）

创建生成器的方法：

• 使用了 yield 语句的函数
  Generator 是一个用于创建迭代器的简单而强大的工具。 它们的写法类似标准的函数，但当它们要返回数据时会使用 yield 语句。 每次对生成器调用 next() 时，它会从上次离开位置恢复执行（它会记住上次执行语句时的所有数据值）。
• 使用生成器表达式，就是把一个 列表生成式 的[]改成()
  某些简单的生成器可以写成简洁的表达式代码，所用语法类似列表推导式，将外层为圆括号而非方括号。 这种表达式被设计用于生成器将立即被外层函数所使用的情况。 生成器表达式相比完整的生成器更紧凑但较不灵活，相比等效的列表推导式则更为节省内存。

yield 函数生成器

在 Python 中，使用了 yield 的函数被称为生成器

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。

在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行 next()方法时从当前位置继续运行。

实例，使用 yield 实现斐波那契数列：

import sys

def fibonacci(n): # 生成器函数 - 斐波那契
    a, b, counter = 0, 1, 0
    while True:
        if (counter > n): 
            return
        yield a
        a, b = b, a + b
        counter += 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()

列表生成式

列表生成式（List Comprehensions）也叫列表推导式，提供了一个更简单的创建列表的方法。

常见的用法：

• 是把某种操作应用于序列或可迭代对象的每个元素上，然后使用其结果来创建列表；
• 或者通过满足某些特定条件元素来创建子序列；

例如，创建一个平方列表，像这样

>>> squares = []
>>> for x in range(10):
...     squares.append(x**2)
...
>>> squares
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

可以改为

>>> list(map(lambda x: x**2, range(10)))
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

等价于

# 列表推导式，更加简洁易读
>>> [x**2 for x in range(10)]
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

增加特定条件

>>> [x**2 for x in range(10) if x % 2 != 0]
[1, 9, 25, 49, 81]

创建为生成器

>>> (x**2 for x in range(10) if x % 2 != 0)
<generator object <genexpr> at 0x7f076f06e990>

知识扩展

lambda 表达式

lambda 表达式（有时称为 lambda 构型）被用于创建匿名函数。

表达式 lambda parameters: expression 会产生一个函数对象 。 该未命名对象的行为类似于用以下方式定义的函数:

def <lambda>(parameters):
    return expression

注意：通过 lambda 表达式创建的函数不能包含语句或标注。

map() 高阶函数

接收两个参数，一个是函数，一个是可迭代对象（Iterable），map将传入的函数依次作用到序列的每个元素，并把结果作为新的iterator（迭代器）返回。

总结

• 迭代（iteration）是访问集合元素的一种方式；
• 迭代器（iterator）对象一定是可迭代对象，反之则不一定；
• 可迭代对象（Iterable）不一定是迭代器；
  例如list、dict、str等集合数据类型是可迭代对象，但不是迭代器，但是它们可以通过iter()函数生成一个迭代器对象。
• 生成器（generator）对象既是可迭代对象也是迭代器；

遍历方式

• 迭代器、生成器和可迭代对象都可以用for循环去迭代
• 生成器和迭代器还可以被next()方函数调用并返回下一个值

内容总结

以上是互联网集市为您收集整理的Python教程·迭代、可迭代对象、迭代器与生成器详解全部内容，希望文章能够帮你解决Python教程·迭代、可迭代对象、迭代器与生成器详解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