[TOC] ## 列表生成式 通过列表生成式，我们可以直接创建一个列表 ``` >>> a = [i+1 for i in range(10)] >>> a [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] ``` >通过列表生成式，我们可以直接创建一个列表。但是，列表容量肯定是有限的。如果创建一个包含100万个元素的列表，不仅占用很大的存储空间，假如我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。 ## 生成器(generator) 通过生成器一边循环一边计算的机制，就不必创建完整的list，从而节省大量的空间，如果独立函数调用，函数可以暂停或者挂起，并在需要时从暂停地方继续或者重新开始，需要用`yield`实现 ### 列表生成器 要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的`[]`改成`()`，就创建了一个generator： ``` >>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630> ``` 创建`L`和`g`的区别仅在于最外层的`[]`和`()`，`L`是一个list，而`g`是一个generator。 #### 获取生成器的值(next函数) 生成器中的数据,可以通过`next()`函数获得generator的下一个返回值： ``` >>> next(g) 0 ......略 >>> next(g) 81 >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration ``` >generator保存的是算法，每次调用`next(g)`就计算出`g`的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出`StopIteration`的错误。 #### 获取生成器的值(for循环) 不断调用`next(g)`实在是太变态了，正确的方法是使用`for`循环，因为generator也是可迭代对象： ``` >>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 ......略 81 ``` >创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。 ### 函数生成器 generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。 如果一个函数定义中包含`yield`关键字，那么这个函数就不再是一个普通函数，而是一个generator： #### 斐波拉契数列生成器 著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到： `1, 1, 2, 3, 5, 8, 13, 21, 34, ...` ``` def fib(max): n, a, b = 0, 0, 1 while n < max: print(b) a, b = b, a + b n = n + 1 return 'done' ``` 要把`fib`函数变成generator，只需要把`print(b)`改为`yield b`就可以了： ``` def fib(max): n,a,b = 0,0,1 while n < max: #print(b) yield b a,b = b,a+b n += 1 return 'done' ``` 验证一下这个是不是编程函数生成器 ``` >>> f = fib(6) >>> f <generator object fib at 0x104feaaa0> ``` #### 函数生成器与函数的区别 最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次被next()调用时从上次返回的yield语句处继续执行。 ``` data = fib(10) print(data) print(data.__next__()) print(data.__next__()) print("干点别的事") print(data.__next__()) print(data.__next__()) #>:输出 <generator object fib at 0x000002E33EEFFCA8> 1 1 干点别的事 2 3 ``` > `在上面fib`的例子，我们在循环过程中不断调用`yield`，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。同样的，把函数改成generator后，我们基本上从来不会用`next()`来获取下一个返回值，而是直接使用`for`循环来迭代： ``` >>> for n in fib(6): ... print(n) ... 1 1 ......略 8 ``` ### 捕获生成器错误(StopIteration) 用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中： ``` >>> g = fib(6) >>> while True: ... try: ... x = next(g) ... print('g:', x) ... except StopIteration as e: ... print('Generator return value:', e.value) ... break ... g: 1 g: 1 ......略 g: 8 Generator return value: done ``` > 关于如何捕获错误的详细情况，看错误捕获相关笔记。 ## 迭代器(Iterator) 迭代器就是可将可迭代对象（如列表、元组、字典等）循环输出的一种工具，比如`for...in...`就是应用了迭代器的原理。 如果想转成迭代器可以用`iter()`函数，然后用`next()`函数就可以一个个内容输出了，或者也可以结合for输出，每输出一个，迭代器里就少一个，直到空了就不能输出了 我们已经知道，可以直接作用于`for`循环的数据类型有以下两类种： * 一类是集合数据类型，如`list`、`tuple`、`dict`、`set`、`str`等； * 一类是`generator`，包括生成器和带`yield`的generator function。 ### 可迭代对象(Iterable) 这些可以直接作用于`for`循环的对象统称为可迭代对象：`Iterable`。可以使用`isinstance()`判断一个对象是否是`Iterable`对象： ``` >>> from collections import Iterable >>> isinstance([], Iterable) True >>> isinstance({}, Iterable) True >>> isinstance('abc', Iterable) True >>> isinstance((x for x in range(10)), Iterable) True >>> isinstance(100, Iterable) False` ``` ### 迭代器(Iterator) 而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。 **可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。** 可以使用isinstance()判断一个对象是否是Iterator对象： ``` >>> from collections import Iterator >>> isinstance((x for x in range(10)), Iterator) True >>> isinstance([], Iterator) False >>> isinstance({}, Iterator) False >>> isinstance('abc', Iterator) False ``` 生成器都是`Iterator`对象，但`list`、`dict`、`str`虽然是`Iterable`，却不是`Iterator`。 ### 可迭代对象转为迭代器 把`list`、`dict`、`str`等`Iterable`变成`Iterator`可以使用`iter()`函数： ``` >>> isinstance(iter([]), Iterator) True >>> isinstance(iter('abc'), Iterator) True ``` >为什么`list`、`dict`、`str`等数据类型不是`Iterator`？ >>这是因为Python的`Iterator`对象表示的是一个数据流，Iterator对象可以被`next()`函数调用并不断返回下一个数据，直到没有数据时抛出`StopIteration`错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过`next()`函数实现按需计算下一个数据，所以`Iterator`的计算是惰性的，只有在需要返回下一个数据时它才会计算。 `Iterator`甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。 ## 迭代器概念总结 * 凡是可作用于`for`循环的对象都是`Iterable`类型； * 凡是可作用于`next()`函数的对象都是`Iterator`类型，它们表示一个惰性计算的序列； * 集合数据类型如`list`、`dict`、`str`等是`Iterable`但不是`Iterator`，不过可以通过`iter()`函数获得一个`Iterator`对象。