第九章：迭代器、生成器与推导式
9.1 迭代器
迭代器是一种可以被遍历的对象，它实现了 __iter__() 和 __next__() 方法。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
iter_str = iter("Python")
print(next(iter_str))
print(next(iter_str))
print(next(iter_str))
print(next(iter_str))
print(next(iter_str))
print(next(iter_str))
for char in iter_str:
print(char)
iter_str2 = "Python".__iter__()
print(iter_str2.__next__())
try:
while True:
print(next(iter_str2))
except StopIteration:
print("迭代完成")
|
自定义迭代器
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| class CountDown:
def __init__(self, start):
self.start = start
def __iter__(self):
return self
def __next__(self):
if self.start <= 0:
raise StopIteration
self.start -= 1
return self.start + 1
counter = CountDown(5)
for num in counter:
print(num)
|
for 循环的工作原理
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
def my_for(iterable, callback):
iterator = iter(iterable)
while True:
try:
item = next(iterator)
callback(item)
except StopIteration:
break
my_for("abc", lambda x: print(x))
for x in "abc":
print(x)
|
9.2 生成器
生成器是一种特殊的迭代器，使用 yield 语句而不是 return 语句返回值。每次调用 next() 时，生成器函数从上次离开的地方继续执行
yield 相比较 return 关键字在于 yield 属于“等一下再离开”，每次调用 yield 都会返回不同的值，也就是每一次循环便利都会返回下一个 yield，直到没有
在这里我们简单的了解一下 yield 关键字，到了并发编程中，yiled 还会有一些常见的用途，如：
1、形成生成器
2、协程
3.上下文管理器
4、yield from
1
2
3
4
5
6
7
8
9
10
11
|
def simple_generator():
yield 1
yield 2
yield 3
gen = simple_generator()
print(next(gen))
print(next(gen))
print(next(gen))
|
生成器表达式(推导式)
1
2
3
4
5
6
|
even_numbers = (x for x in range(10) if x % 2 == 0)
for num in even_numbers:
print(num)
|
生成器的优势
- 内存效率：生成器不会一次性生成所有值，而是按需生成，降低内存使用
- 延迟计算：只有在请求下一个值时才执行计算
- 无限序列：可以表示理论上无限的数据流
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
def get_lines_list(file_path):
result = []
with open(file_path, 'r') as f:
for line in f:
result.append(line.strip())
return result
def get_lines_generator(file_path):
with open(file_path, 'r') as f:
for line in f:
yield line.strip()
|
生成器应用场景
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
def batch_processor(items, batch_size=100):
"""将大列表分成小批次处理"""
batch = []
for item in items:
batch.append(item)
if len(batch) == batch_size:
yield batch
batch = []
if batch:
yield batch
items = list(range(1050))
for batch in batch_processor(items, 300):
print(f"处理批次，大小: {len(batch)}")
|
9.3 推导式
推导式是创建数据集合的简洁方法。
列表推导式
1
2
3
4
5
6
7
8
9
10
11
12
|
[表达式 for 变量 in 可迭代对象 if 条件]
squares = [x**2 for x in range(1, 11)]
even_squares = [x**2 for x in range(1, 11) if x % 2 == 0]
matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flattened = [x for row in matrix for x in row]
|
字典推导式
1
2
3
4
5
6
7
8
9
|
{键表达式: 值表达式 for 变量 in 可迭代对象 if 条件}
squares_dict = {x: x**2 for x in range(1, 6)}
original = {'a': 1, 'b': 2, 'c': 3}
inverted = {v: k for k, v in original.items()}
|
集合推导式
1
2
3
4
5
6
7
8
9
|
{表达式 for 变量 in 可迭代对象 if 条件}
squares_set = {x**2 for x in range(1, 11)}
words = ['hello', 'world', 'hello', 'python']
unique_lengths = {len(word) for word in words}
|
生成器表达式
1
2
3
4
5
6
7
8
|
(表达式 for 变量 in 可迭代对象 if 条件)
squares_gen = (x**2 for x in range(1, 11))
sum_of_squares = sum(x**2 for x in range(1, 11))
|
三元表达式
1
2
3
4
5
6
7
8
9
10
|
值1 if 条件 else 值2
x, y = 10, 20
larger = x if x > y else y
values = [1, 2, 3, 4, 5]
result = [x*2 if x % 2 == 0 else x*3 for x in values]
|
