生成器
仅仅拥有生成某种东西的能力&＃xff0c;如果不用__next__方法是获取不到值得。
创建一个生成器函数
>>> def scq():
... print("11") # 当函数代码块中遇到yield关键字的时候&＃xff0c;这个函数就是一个生成器函数 ... yield 1 ... print("22") ... yield 2 ... print("33") ... yield 3 ...
把生成器赋值给一个对象
>>> r &＃61; scq()
查看r的数据类型并且输出r的值
>>> print(type(r),r) <class &＃39;generator&＃39;>
当执行生成器的__next__的时候&＃xff0c;代码会按照顺序去执行&＃xff0c;当执行到yield时会返回并提出&＃xff0c;yield后面的值就是返回值&＃xff0c;然后记录代码执行的位置&＃xff0c;并退出
>>> ret &＃61; r.__next__() 11
第二次执行的时候会根据上次代码执行的位置继续往下执行
>>> ret &＃61; r.__next__() 22 >>> ret &＃61; r.__next__() 33
如果__next__获取不到值的时候就会报StopIteration错误
>>> ret &＃61; r.__next__() Traceback (most recent call last): File "
利用生成器创建一个类似xrange的功能
代码
# 创建一个生成器函数&＃xff0c;函数名是range&＃xff0c;n是传入的参数&＃xff0c;也是输出的数的最大值
def range(n): # 默认从0开始 start &＃61; 0 # 进入while循环&＃xff0c;如果最小值小于最大值就进入循环 while start <n: # 第一次返回start&＃xff0c;下面代码不执行 yield start # 第二次进来的时候start &＃61; start &＃43; 1&＃xff0c;然后进入下一次循环 start &＃43;&＃61; 1 # 停止的参数为5 obj &＃61; range(5) # 第一个数赋值给n1 n1 &＃61; obj.__next__() # 第二个数赋值给n2 n2 &＃61; obj.__next__() # 第三个数赋值给n3 n3 &＃61; obj.__next__() # 第四个数赋值给n4 n4 &＃61; obj.__next__() # 第五个数赋值给n5 n5 &＃61; obj.__next__() # 输出这五个数的值 print(n1,n2,n3,n4,n5)
执行结果
0 1 2 3 4 迭代器
具有访问生成器的能力&＃xff0c;可以访问到生成器的值&＃xff0c;类似于生成器的__next__方法&＃xff0c;一个一个值一个值得去迭代&＃xff0c;只能够按照顺序的去查找。
特点&＃xff1a;
- 访问者不需要关心迭代器内部的结构&＃xff0c;仅需通过next()方法不断去取下一个内容
- 不能随机访问集合中的某个值 &＃xff0c;只能从头到尾依次访问
- 访问到一半时不能往回退
- 便于循环比较大的数据集合&＃xff0c;节省内存
优化上面range或xrange的生成器
def irange(start, stop, step&＃61;1): while start !&＃61; stop: yield start start &＃43;&＃61; step else: raise StopIteration for n in irange(1, 10): """for循环只要遇到StopIteration就会停止""" print(n) ret &＃61; irange(1, 20) print(ret) # 返回一个生成器&＃xff0c;相当于只在内存中创建了一个值 print(list(ret)) # 如果想要得到全部的值&＃xff0c;变成列表就可以
1 2 3 4 5 6 7 8 9 <generator object irange at 0x1021df7d8> [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19] Process finished with exit code 0
京公网安备 11010802041100号