Python生成器&迭代器
2021-02-14 01:18
标签：元素 完整 ble 空间 amp family 序列 strong ret 生成器：generator 在Python中一边循环一边计算的机制称为生成器。由于列表中的所有数据都会放在内存中，因此会非常消耗内存。而若仅需要访问前面几个数据，那么后面的数据占用的内存空间就被浪费了。如果列表元素能够按照某种算法推算出来，就可以在循环中不断推算出后续的元素，这样就不必创建完整的列表，从而节省大量的空间。 生成器仅仅保存了一套生成数值的算法，什么时候调用它，它什么时候开始计算一个新的值并返回。 创建generator的第一种方法：把一个列表生成式的 [ ] 改为（），就创建了一个generator 要获得生成器的返回值，可以通过next()函数一个一个打印generator的下一个返回值，当没有更多元素的时候，会抛出StopIteration的错误。 也可以通过for循环，因为generator是可迭代对象 创建generator的第二种方法：函数定义中包含yield关键字，这个函数就不再是一个普通的函数，而是一个generator，调用函数就是创建一个生成器对象。 理解generator和函数的执行流程：函数顺序执行，遇到return语句或者最后一行函数语句就返回；generator在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处执行。 >>> for n in odd(): 迭代器 可以直接作用于for循环的数据类型有以下几种： 可直接作用于for循环的对象统称为可迭代对象：Iterable 可使用next()函数调用并不断返回下一个值得对象称为迭代器：Iterator Iterator对象表示一个数据流，Iterator对象可以被 集合数据类型如 Python生成器&迭代器 标签：元素 完整 ble 空间 amp family 序列 strong ret 原文地址：https://www.cnblogs.com/wanao/p/12724672.html>>> L = [ x*x for x in range(1,11)]
>>> L
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
>>> G = (x*x for x in range(1,11))
>>> G
>>> next(G)
1
>>> next(G)
4
>>> next(G)
9
...
>>> next(G)
100
>>> next(G)
Traceback (most recent call last):
File "
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81
>>> def odd():
... print(‘step 1‘)
... yield 1
... print(‘step 2‘)
... yield 3
... print(‘step 3‘)
... yield 5
...
>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
File "
... print(n)
...
step 1
1
step 2
3
step 3
5
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，Iterator表示一个惰性计算的序列。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。