建站
咨詢
售后
建站咨詢
新聞中心
今天，我們來討論Python的yield、Iterator和generator，它們可以在許多教程中看到，但總是引起一些混淆。
今天，我們來討論Python的yield、Iterator和generator，它們可以在許多教程中看到，但總是引起一些混淆。
就像decorators一樣，這三個概念是緊密聯(lián)系在一起的。例如，如果你想知道什么是yield，你必須首先了解什么是generator。但在理解generator之前，你又必須理解iterator是什么，但在理解iterator之前，您必須要知道iterable對象是什么。他們的關(guān)系如下圖：
Iterables 可迭代的
可迭代是指能夠通過迭代的方法遍歷的對象，比如列表、字符串、元組、字典、集合等等。簡單的例子：
mylist = [1, 2, 3]
for i in mylist:
print(i)可迭代對象如何工作？
讓我們看看Python解釋器在遇到迭代操作時如何處理迭代，例如for ... in x
- 調(diào)用 iter(x) 函數(shù)
- 檢查對象是否實現(xiàn)了 _iter__ 方法，如果實現(xiàn)了，則調(diào)用它以獲取迭代器；
- 如果未實現(xiàn) _iter__ 方法，但實現(xiàn)了_getitem__ 方法，Python將創(chuàng)建一個迭代器并嘗試按順序獲取元素（從索引0開始）；
- 如果兩個方法都未實現(xiàn)，將拋出TypeError異常，指示無法迭代該對象。
因此具有 __iter__ 方法或 __getitem__方法的對象通常稱為可迭代對象。
如何判斷一個對象是否可迭代？
- 方法一：使用dir函數(shù)，檢查對象是否實現(xiàn)了__iter__ 或者 __getitem__方法。
mylist = [1, 2, 3]
mylistMethod = dir(mylist)
print(mylistMethod) #查看mylist的方法
print('__iter__' in dir(mylist) or '__getitem__' in dir(mylist)) # True- 方法二：使用isinstance函數(shù)，檢查對象是否是Iterable類型。
from collections import Iterable
mylist = [1, 2, 3]
print(isinstance(mylist, Iterable)) # TrueIterator 迭代器
迭代器是一個包含可數(shù)數(shù)量值的對象。它可以迭代，這意味著您可以遍歷所有值。讓我們看一個迭代器示例：
for i in range(5):
print(i) # 0 1 2 3 4像這樣，一個個打印元素的過程就叫可迭代的，這個過程也是我們?nèi)粘４a編寫中接觸最多的操作。
簡單來說，帶有next()方法的可迭代對象就是一個迭代器，或者說一個可迭代對象和一個迭代器的關(guān)系是：Python從一個可迭代對象中獲取一個迭代器。具體關(guān)系如下圖：
所以上面提到的列表、字符串等不是迭代器。但是，您可以使用Python內(nèi)置 iter()函數(shù)來獲取它們的迭代器對象。讓我們使用迭代器模式來重寫前面的例子：
mylist = [1,2,3]
it = iter(mylist) # 獲取迭代器對象
while True:
try:
print(next(it))
except StopIteration:
print("Stop iteration!")
break在上面的代碼中，我們首先使用iterable對象mylist來構(gòu)造迭代器it，并不斷調(diào)用迭代器上的next()函數(shù)來獲取下一個元素。如果沒有字符，迭代器將拋出 StopIteration 異常并退出循環(huán)。
Generator 生成器
Python 提供了一個生成器來創(chuàng)建迭代器函數(shù)。生成器是一種特殊類型的函數(shù)，它不返回單個值，而是返回一個包含一系列值的迭代器對象。在生成器函數(shù)中，使用 yield 語句而不是 return 語句。
現(xiàn)在我們已經(jīng)知道for循環(huán)背后的機制了，但是如果數(shù)據(jù)量太大，比如for i in range(1000000)，使用for循環(huán)將所有的值存儲在內(nèi)存中不僅占用大量的存儲空間 但是如果我們只需要訪問前幾個元素，空間就浪費了。在這種情況下，我們可以使用 generator 。
生成器的思路是，我們不需要一次性把這個列表全部創(chuàng)建出來，只需要記住它的創(chuàng)建規(guī)則，然后在需要用到的時候，再一次次的計算和創(chuàng)建。我們來看一個例子：
my_generator = (x*x for x in range(10))
for i in my_generator:
print(i) # 0 1 4 9 16 25 36 49 64 81my_generator 是一個生成器，它的每一個元素都是一個生成器對象。我們可以使用 next()函數(shù)來獲取下一個元素。
Yield 產(chǎn)生器
簡單來說，你可以把yield當成return，但它返回的是一個生成器。記住，剛開始學(xué)習(xí)的時候不需要了解這個yield是什么，但是一定要了解它的運行機制！讓我們看一下下面的代碼片段：
def test():
print("First")
yield 1
print("Second")
yield 2
print("Third")
yield 3
my_generator = test() # 創(chuàng)建生成器
print(type(my_generator)) # 我們可以在這里看到如果一個函數(shù)使用 yield 作為返回值，那么它就變成了一個生成器函數(shù)。與普通函數(shù)不同，生成器函數(shù)被調(diào)用后，函數(shù)體中的代碼不會立即執(zhí)行（執(zhí)行my_generator=test()后不打印任何值），而是返回一個生成器！正如我們前面提到的：generator 是迭代器，而 yield 可以被視為 return ，不難猜測下面代碼的結(jié)果：
def test():
print("First")
yield 1
print("Second")
yield 2
print("Third")
yield 3
for item in test():
print(item)
# 輸出：
"""
First
1
Second
2
Third
3
"""next 函數(shù)是如何運行的？
def test():
print("First")
yield 1
print("Second")
yield 2
print("Third")
yield 3
my_generator = test() # 創(chuàng)建生成器
a = next(my_generator) # First
print(a) # 1
b = next(my_generator) # Second
print(b) #
c = next(my_generator) # Third
print(c) # 3
d = next(my_generator) # StopIteration
print(d) # error每次調(diào)用next(my_generator)，只跑到y(tǒng)ield位置就停止，下次再跑，從上次結(jié)束的位置開始！并且生成器的長度取決于在函數(shù)中定義 yield 的次數(shù)?？雌饋硪埠芎美斫饽?。
如果理解了上面的 yield 函數(shù)示例，讓我們繼續(xù)看一個更復(fù)雜的示例，該生成器可以接受參數(shù)。
def simple_gen(a):
print('-> Started: a =', a)
b = yield a
print('-> Received: b =', b)
c = yield a + b
print('-> Received: c =', c)
gen = simple_gen(14)
next(gen) # -> Started: a = 14
next(gen) # ？
next(gen) # ？運行結(jié)果如圖：
發(fā)生了什么？？從第一次 next(gen) 調(diào)用開始，它在 yield a 處停止，然后當您再次調(diào)用 next(gen) 時，b 實際上是 None 值，這導(dǎo)致了異常。
b 為什么是 None 值？因為我們在 yield a 處沒有接收到任何值，所以 b 就是 None 值。要想接收值，
要繼續(xù)，您需要使用 send() 函數(shù)：生成器發(fā)送（值）恢復(fù)執(zhí)行并將值“發(fā)送”到生成器函數(shù)中。value 參數(shù)成為當前 yield 表達式的結(jié)果。send() 方法返回生成器生成的下一個值，或者如果生成器退出而沒有生成另一個值則引發(fā) StopIteration。
怎么理解send() 函數(shù)？一個帶參數(shù)的 next()，接收參數(shù)，執(zhí)行yield，然后返回值。
def simple_gen(a):
print('-> Started: a =', a)
b = yield a
print('-> Received: b =', b)
c = yield a + b
print('-> Received: c =', c)
gen = simple_gen(14)
next(gen) # -> Started: a = 14
gen.send(15) # Received: b = 15 # send 15 to generator，并執(zhí)行下一步 send包含next的yield總結(jié)
小思考：
- yield 和 return 的區(qū)別，你理解了么？
- yield, generator 和 iterator 的區(qū)別和聯(lián)系，你理解了么？
網(wǎng)站欄目：10分鐘了解Python黑魔法Yield、Iterator、Generator
文章轉(zhuǎn)載：http://www.dlmjj.cn/article/djosgjs.html
