生成器 疊代器

python 生成器和疊代器有這篇就夠了

　　本節主要記錄一下清單生成式，生成器和疊代器的知識點

　　清單生成器

　　首先舉個例子

現在有個需求，看清單 [0，1，2，3，4，5，6，7，8，9]，要求你把清單裡面的每個值加1，你怎麼實作呢？

方法一（簡單）：

1 2 3 4 5 6 7 8 9

info  = [ ,  1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ,  9 ] b  = [] # for index,i in enumerate(info): #     print(i+1) #     b.append(i+1) # print(b) for index,i  in enumerate (info): info[index]  + = 1 print (info)

方法二（一般）：

1 2 3 4 5

info  = [ ,  1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ,  9 ] a  = map ( lambda x:x + 1 ,info) print (a) for i  in a: print (i)

方法三（進階）：

+ View Code

　　生成器

什麼是生成器？

　　通過清單生成式，我們可以直接建立一個清單，但是，受到記憶體限制，清單容量肯定是有限的，而且建立一個包含100萬個元素的清單，不僅占用很大的存儲空間，如果我們僅僅需要通路前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。

　　是以，如果清單元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必建立完整的list，進而節省大量的空間，在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator

　　生成器是一個特殊的程式，可以被用作控制循環的疊代行為，python中生成器是疊代器的一種，使用yield傳回值函數，每次調用yield會暫停，而可以使用next()函數和send()函數恢複生成器。

　　生成器類似于傳回值為數組的一個函數，這個函數可以接受參數，可以被調用，但是，不同于一般的函數會一次性傳回包括了所有數值的數組，生成器一次隻能産生一個值，這樣消耗的記憶體數量将大大減小，而且允許調用函數可以很快的處理前幾個傳回值，是以生成器看起來像是一個函數，但是表現得卻像是疊代器

python中的生成器

　　要建立一個generator，有很多種方法，第一種方法很簡單，隻有把一個清單生成式的[]中括号改為（）小括号，就建立一個generator

　　舉例如下：

1 2 3 4 5 6 7 8 9 10

#清單生成式 lis  = [x * x  for x  in range ( 10 )] print (lis) #生成器 generator_ex  = (x * x  for x  in range ( 10 )) print (generator_ex) 結果： [ ,  1 ,  4 ,  9 ,  16 ,  25 ,  36 ,  49 ,  64 ,  81 ] <generator  object <genexpr> at  0x000002A4CBF9EBA0 >

　　那麼建立lis和generator_ex，的差別是什麼呢？從表面看就是[  ]和（）,但是結果卻不一樣，一個列印出來是清單（因為是清單生成式），而第二個列印出來卻是<generator object <genexpr> at 0x000002A4CBF9EBA0>，那麼如何列印出來generator_ex的每一個元素呢？

　　如果要一個個列印出來，可以通過next（）函數獲得generator的下一個傳回值：

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 29 30 31

#生成器 generator_ex  = (x * x  for x  in range ( 10 )) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) 結果： 1 4 9 16 25 36 49 64 81 Traceback (most recent call last): File "清單生成式.py" , line  42 ,  in <module> print ( next (generator_ex)) StopIteration

　　大家可以看到，generator儲存的是算法，每次調用next(generaotr_ex)就計算出他的下一個元素的值，直到計算出最後一個元素，沒有更多的元素時，抛出StopIteration的錯誤，而且上面這樣不斷調用是一個不好的習慣，正确的方法是使用for循環，因為generator也是可疊代對象：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

#生成器 generator_ex  = (x * x  for x  in range ( 10 )) for i  in generator_ex: print (i) 結果： 1 4 9 16 25 36 49 64 81

　　是以我們建立一個generator後，基本上永遠不會調用next()，而是通過for循環來疊代，并且不需要關心StopIteration的錯誤，generator非常強大，如果推算的算法比較複雜，用類似清單生成式的for循環無法實作的時候，還可以用函數來實作。

比如著名的斐波那契數列，除第一個和第二個數外，任何一個數都可以由前兩個相加得到：

1，1，2，3，5，8，12，21，34.....

斐波那契數列用清單生成式寫不出來，但是，用函數把它列印出來卻很容易：

1 2 3 4 5 6 7 8 9 10 11

#fibonacci數列 def fib(max): n,a,b =0,0,1 while n < max: a,b =b,a+b n = n+1 print(a) return 'done' a = fib(10) print(fib(10))

　　a,b = b ,a+b  其實相當于 t =a+b ,a =b ,b =t  ，是以不必寫顯示寫出臨時變量t，就可以輸出斐波那契數列的前N個數字。上面輸出的結果如下：

+ View Code

　　仔細觀察，可以看出，

fib

函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

　　也就是說上面的函數也可以用generator來實作，上面我們發現，print(b)每次函數運作都要列印，占記憶體，是以為了不占記憶體，我們也可以使用生成器，這裡叫yield。如下：

1 2 3 4 5 6 7 8 9 10

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' a  = fib( 10 ) print (fib( 10 ))

　　但是傳回的不再是一個值，而是一個生成器，和上面的例子一樣，大家可以看一下結果：

1	<generator  object fib at  0x000001C03AC34FC0 >

　　那麼這樣就不占記憶體了，這裡說一下generator和函數的執行流程，函數是順序執行的，遇到return語句或者最後一行函數語句就傳回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句傳回，再次被next（）調用時候從上次的傳回yield語句處急需執行，也就是用多少，取多少，不占記憶體。

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

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' a  = fib( 10 ) print (fib( 10 )) print (a.__next__()) print (a.__next__()) print (a.__next__()) print ( "可以順便幹其他事情" ) print (a.__next__()) print (a.__next__()) 結果： <generator  object fib at  0x0000023A21A34FC0 > 1 1 2 可以順便幹其他事情 3 5

　　在上面fib的例子，我們在循環過程中不斷調用

yield

，就會不斷中斷。當然要給循環設定一個條件來退出循環，不然就會産生一個無限數列出來。同樣的，把函數改成generator後，我們基本上從來不會用

next()

來擷取下一個傳回值，而是直接使用

for

循環來疊代：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' for i  in fib( 6 ): print (i) 結果： 1 1 2 3 5 8

　　但是用for循環調用generator時，發現拿不到generator的return語句的傳回值。如果拿不到傳回值，那麼就會報錯，是以為了不讓報錯，就要進行異常處理，拿到傳回值，如果想要拿到傳回值，必須捕獲StopIteration錯誤，傳回值包含在StopIteration的value中：

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

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' g  = fib( 6 ) while True : try : x  = next (g) print ( 'generator: ' ,x) except StopIteration as e: print ( "生成器傳回值：" ,e.value) break 結果： generator:   1 generator:   1 generator:   2 generator:   3 generator:   5 generator:   8 生成器傳回值： done

還可以通過yield實作在單線程的情況下實作并發運算的效果

+ View Code

　　由上面的例子我麼可以發現，python提供了兩種基本的方式

   生成器函數：也是用def定義的，利用關鍵字yield一次性傳回一個結果，阻塞，重新開始

   生成器表達式：傳回一個對象，這個對象隻有在需要的時候才産生結果

——生成器函數

為什麼叫生成器函數？因為它随着時間的推移生成了一個數值隊列。一般的函數在執行完畢之後會傳回一個值然後退出，但是生成器函數會自動挂起，然後重新拾起急需執行，他會利用yield關鍵字關起函數，給調用者傳回一個值，同時保留了目前的足夠多的狀态，可以使函數繼續執行，生成器和疊代協定是密切相關的，疊代器都有一個__next__()__成員方法，這個方法要麼傳回疊代的下一項，要買引起異常結束疊代。

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

# 函數有了yield之後，函數名+（）就變成了生成器 # return在生成器中代表生成器的中止，直接報錯 # next的作用是喚醒并繼續執行 # send的作用是喚醒并繼續執行，發送一個資訊到生成器内部 '''生成器''' def create_counter(n): print ( "create_counter" ) while True : yield n print ( "increment n" ) n  + = 1 gen  = create_counter( 2 ) print (gen) print ( next (gen)) print ( next (gen)) 結果： <generator  object create_counter at  0x0000023A1694A938 > create_counter 2 increment n 3 Process finished with exit code

　　

——生成器表達式

生成器表達式來源于疊代和清單解析的組合，生成器和清單解析類似，但是它使用尖括号而不是方括号

1 2 3 4 5 6 7 8 9 10

>>>  # 清單解析生成清單 >>> [ x  * * 3 for x  in range ( 5 )] [ ,  1 ,  8 ,  27 ,  64 ] >>> >>>  # 生成器表達式 >>> (x  * * 3 for x  in range ( 5 )) <generator  object <genexpr> at  0x000000000315F678 > >>>  # 兩者之間轉換 >>>  list (x  * * 3 for x  in range ( 5 )) [ ,  1 ,  8 ,  27 ,  64 ]

　　一個疊代既可以被寫成生成器函數，也可以被協程生成器表達式，均支援自動和手動疊代。而且這些生成器隻支援一個active疊代，也就是說生成器的疊代器就是生成器本身。

疊代器（疊代就是循環）

　　疊代器包含有next方法的實作，在正确的範圍内傳回期待的資料以及超出範圍後能夠抛出StopIteration的錯誤停止疊代。

　　我們已經知道，可以直接作用于for循環的資料類型有以下幾種：

一類是集合資料類型，如list,tuple,dict,set,str等

一類是generator，包括生成器和帶yield的generator function

這些可以直接作用于for 循環的對象統稱為可疊代對象：Iterable

可以使用isinstance()判斷一個對象是否為可Iterable對象

1 2 3 4 5 6 7 8 9 10 11

>>>  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

　　而生成器不但可以作用于for循環，還可以被next()函數不斷調用并傳回下一個值，直到最後抛出StopIteration錯誤表示無法繼續傳回下一個值了。

是以這裡講一下疊代器

一個實作了iter方法的對象時可疊代的，一個實作next方法的對象是疊代器

可以被next()函數調用并不斷傳回下一個值的對象稱為疊代器：Iterator。

可以使用isinstance()判斷一個對象是否是Iterator對象：

1 2 3 4 5 6 7 8 9

>>>  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

對象，但

list

、

dict

、

str

雖然是

Iterable（可疊代對象）

，卻不是

Iterator（疊代器）

。

把

list

、

dict

、

str

等

Iterable

變成

Iterator

可以使用

iter()

函數：

1 2 3 4

>>>  isinstance ( iter ([]), Iterator) True >>>  isinstance ( iter ( 'abc' ), Iterator) True

　　

你可能會問，為什麼

list

、

dict

、

str

等資料類型不是

Iterator

？

這是因為Python的

Iterator

對象表示的是一個資料流，Iterator對象可以被

next()

函數調用并不斷傳回下一個資料，直到沒有資料時抛出

StopIteration

錯誤。可以把這個資料流看做是一個有序序列，但我們卻不能提前知道序列的長度，隻能不斷通過

next()

函數實作按需計算下一個資料，是以

Iterator

的計算是惰性的，隻有在需要傳回下一個資料時它才會計算。

Iterator

甚至可以表示一個無限大的資料流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

　　判斷下列資料類型是可疊代對象or疊代器

1 2 3 4 5 6

s = 'hello' l = [ 1 , 2 , 3 , 4 ] t = ( 1 , 2 , 3 ) d = { 'a' : 1 } set = { 1 , 2 , 3 } f = open ( 'a.txt' )

　　

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

s= 'hello' #字元串是可疊代對象，但不是疊代器 l=[1,2,3,4]     #清單是可疊代對象，但不是疊代器 t=(1,2,3)       #元組是可疊代對象，但不是疊代器 d={ 'a' :1}        #字典是可疊代對象，但不是疊代器 set ={1,2,3}     #集合是可疊代對象，但不是疊代器 # ************************************* f=open( 'test.txt' ) #檔案是可疊代對象，是疊代器 #如何判斷是可疊代對象，隻有__iter__方法，執行該方法得到的疊代器對象。 # 及可疊代對象通過__iter__轉成疊代器對象 from collections import Iterator  #疊代器 from collections import Iterable  #可疊代對象 print(isinstance(s,Iterator))     #判斷是不是疊代器 print(isinstance(s,Iterable))       #判斷是不是可疊代對象 #把可疊代對象轉換為疊代器 print(isinstance(iter(s),Iterator))

　

　注意：檔案的判斷

1 2 3 4 5 6 7 8 9

f = open( 'housing.csv' ) from collections import Iterator from collections import Iterable print(isinstance(f,Iterator)) print(isinstance(f,Iterable)) True True

　　結論：檔案是可疊代對象，也是疊代器

小結：

• 凡是可作用于

  for

  循環的對象都是

  Iterable

  類型；
• 凡是可作用于

  next()

  函數的對象都是

  Iterator

  類型，它們表示一個惰性計算的序列；
• 集合資料類型如

  list

  、

  dict

  、

  str

  等是

  Iterable

  但不是

  Iterator

  ，不過可以通過

  iter()

  函數獲得一個

  Iterator

  對象。

Python3的

for

循環本質上就是通過不斷調用

next()

函數實作的，例如：

1 2	for x  in [ 1 ,  2 ,  3 ,  4 ,  5 ]: pass

　實際上完全等價于

1 2 3 4 5 6 7 8 9 10

# 首先獲得Iterator對象: it  = iter ([ 1 ,  2 ,  3 ,  4 ,  5 ]) # 循環: while True : try : # 獲得下一個值: x  = next (it) except StopIteration: # 遇到StopIteration就退出循環 break

　　

對yield的總結

　　（1）通常的for..in...循環中，in後面是一個數組，這個數組就是一個可疊代對象，類似的還有連結清單，字元串，檔案。他可以是a = [1,2,3]，也可以是a = [x*x for x in range(3)]。

它的缺點也很明顯，就是所有資料都在記憶體裡面，如果有海量的資料，将會非常耗記憶體。

　　（2）生成器是可以疊代的，但是隻可以讀取它一次。因為用的時候才生成，比如a = (x*x for x in range(3))。!!!!注意這裡是小括号而不是方括号。

　　（3）生成器（generator）能夠疊代的關鍵是他有next()方法，工作原理就是通過重複調用next()方法，直到捕獲一個異常。

　　（4）帶有yield的函數不再是一個普通的函數，而是一個生成器generator，可用于疊代

　　（5）yield是一個類似return 的關鍵字，疊代一次遇到yield的時候就傳回yield後面或者右面的值。而且下一次疊代的時候，從上一次疊代遇到的

python 生成器和疊代器有這篇就夠了

　　本節主要記錄一下清單生成式，生成器和疊代器的知識點

　　清單生成器

　　首先舉個例子

現在有個需求，看清單 [0，1，2，3，4，5，6，7，8，9]，要求你把清單裡面的每個值加1，你怎麼實作呢？

方法一（簡單）：

1 2 3 4 5 6 7 8 9

info  = [ ,  1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ,  9 ] b  = [] # for index,i in enumerate(info): #     print(i+1) #     b.append(i+1) # print(b) for index,i  in enumerate (info): info[index]  + = 1 print (info)

方法二（一般）：

1 2 3 4 5

info  = [ ,  1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ,  9 ] a  = map ( lambda x:x + 1 ,info) print (a) for i  in a: print (i)

方法三（進階）：

+ View Code

　　生成器

什麼是生成器？

　　通過清單生成式，我們可以直接建立一個清單，但是，受到記憶體限制，清單容量肯定是有限的，而且建立一個包含100萬個元素的清單，不僅占用很大的存儲空間，如果我們僅僅需要通路前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。

　　是以，如果清單元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必建立完整的list，進而節省大量的空間，在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator

　　生成器是一個特殊的程式，可以被用作控制循環的疊代行為，python中生成器是疊代器的一種，使用yield傳回值函數，每次調用yield會暫停，而可以使用next()函數和send()函數恢複生成器。

　　生成器類似于傳回值為數組的一個函數，這個函數可以接受參數，可以被調用，但是，不同于一般的函數會一次性傳回包括了所有數值的數組，生成器一次隻能産生一個值，這樣消耗的記憶體數量将大大減小，而且允許調用函數可以很快的處理前幾個傳回值，是以生成器看起來像是一個函數，但是表現得卻像是疊代器

python中的生成器

　　要建立一個generator，有很多種方法，第一種方法很簡單，隻有把一個清單生成式的[]中括号改為（）小括号，就建立一個generator

　　舉例如下：

1 2 3 4 5 6 7 8 9 10

#清單生成式 lis  = [x * x  for x  in range ( 10 )] print (lis) #生成器 generator_ex  = (x * x  for x  in range ( 10 )) print (generator_ex) 結果： [ ,  1 ,  4 ,  9 ,  16 ,  25 ,  36 ,  49 ,  64 ,  81 ] <generator  object <genexpr> at  0x000002A4CBF9EBA0 >

　　那麼建立lis和generator_ex，的差別是什麼呢？從表面看就是[  ]和（）,但是結果卻不一樣，一個列印出來是清單（因為是清單生成式），而第二個列印出來卻是<generator object <genexpr> at 0x000002A4CBF9EBA0>，那麼如何列印出來generator_ex的每一個元素呢？

　　如果要一個個列印出來，可以通過next（）函數獲得generator的下一個傳回值：

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 29 30 31

#生成器 generator_ex  = (x * x  for x  in range ( 10 )) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) 結果： 1 4 9 16 25 36 49 64 81 Traceback (most recent call last): File "清單生成式.py" , line  42 ,  in <module> print ( next (generator_ex)) StopIteration

　　大家可以看到，generator儲存的是算法，每次調用next(generaotr_ex)就計算出他的下一個元素的值，直到計算出最後一個元素，沒有更多的元素時，抛出StopIteration的錯誤，而且上面這樣不斷調用是一個不好的習慣，正确的方法是使用for循環，因為generator也是可疊代對象：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

#生成器 generator_ex  = (x * x  for x  in range ( 10 )) for i  in generator_ex: print (i) 結果： 1 4 9 16 25 36 49 64 81

　　是以我們建立一個generator後，基本上永遠不會調用next()，而是通過for循環來疊代，并且不需要關心StopIteration的錯誤，generator非常強大，如果推算的算法比較複雜，用類似清單生成式的for循環無法實作的時候，還可以用函數來實作。

比如著名的斐波那契數列，除第一個和第二個數外，任何一個數都可以由前兩個相加得到：

1，1，2，3，5，8，12，21，34.....

斐波那契數列用清單生成式寫不出來，但是，用函數把它列印出來卻很容易：

1 2 3 4 5 6 7 8 9 10 11

#fibonacci數列 def fib(max): n,a,b =0,0,1 while n < max: a,b =b,a+b n = n+1 print(a) return 'done' a = fib(10) print(fib(10))

　　a,b = b ,a+b  其實相當于 t =a+b ,a =b ,b =t  ，是以不必寫顯示寫出臨時變量t，就可以輸出斐波那契數列的前N個數字。上面輸出的結果如下：

+ View Code

　　仔細觀察，可以看出，

fib

函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

　　也就是說上面的函數也可以用generator來實作，上面我們發現，print(b)每次函數運作都要列印，占記憶體，是以為了不占記憶體，我們也可以使用生成器，這裡叫yield。如下：

1 2 3 4 5 6 7 8 9 10

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' a  = fib( 10 ) print (fib( 10 ))

　　但是傳回的不再是一個值，而是一個生成器，和上面的例子一樣，大家可以看一下結果：

1	<generator  object fib at  0x000001C03AC34FC0 >

　　那麼這樣就不占記憶體了，這裡說一下generator和函數的執行流程，函數是順序執行的，遇到return語句或者最後一行函數語句就傳回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句傳回，再次被next（）調用時候從上次的傳回yield語句處急需執行，也就是用多少，取多少，不占記憶體。

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

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' a  = fib( 10 ) print (fib( 10 )) print (a.__next__()) print (a.__next__()) print (a.__next__()) print ( "可以順便幹其他事情" ) print (a.__next__()) print (a.__next__()) 結果： <generator  object fib at  0x0000023A21A34FC0 > 1 1 2 可以順便幹其他事情 3 5

　　在上面fib的例子，我們在循環過程中不斷調用

yield

，就會不斷中斷。當然要給循環設定一個條件來退出循環，不然就會産生一個無限數列出來。同樣的，把函數改成generator後，我們基本上從來不會用

next()

來擷取下一個傳回值，而是直接使用

for

循環來疊代：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' for i  in fib( 6 ): print (i) 結果： 1 1 2 3 5 8

　　但是用for循環調用generator時，發現拿不到generator的return語句的傳回值。如果拿不到傳回值，那麼就會報錯，是以為了不讓報錯，就要進行異常處理，拿到傳回值，如果想要拿到傳回值，必須捕獲StopIteration錯誤，傳回值包含在StopIteration的value中：

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

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' g  = fib( 6 ) while True : try : x  = next (g) print ( 'generator: ' ,x) except StopIteration as e: print ( "生成器傳回值：" ,e.value) break 結果： generator:   1 generator:   1 generator:   2 generator:   3 generator:   5 generator:   8 生成器傳回值： done

還可以通過yield實作在單線程的情況下實作并發運算的效果

+ View Code

　　由上面的例子我麼可以發現，python提供了兩種基本的方式

   生成器函數：也是用def定義的，利用關鍵字yield一次性傳回一個結果，阻塞，重新開始

   生成器表達式：傳回一個對象，這個對象隻有在需要的時候才産生結果

——生成器函數

為什麼叫生成器函數？因為它随着時間的推移生成了一個數值隊列。一般的函數在執行完畢之後會傳回一個值然後退出，但是生成器函數會自動挂起，然後重新拾起急需執行，他會利用yield關鍵字關起函數，給調用者傳回一個值，同時保留了目前的足夠多的狀态，可以使函數繼續執行，生成器和疊代協定是密切相關的，疊代器都有一個__next__()__成員方法，這個方法要麼傳回疊代的下一項，要買引起異常結束疊代。

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

# 函數有了yield之後，函數名+（）就變成了生成器 # return在生成器中代表生成器的中止，直接報錯 # next的作用是喚醒并繼續執行 # send的作用是喚醒并繼續執行，發送一個資訊到生成器内部 '''生成器''' def create_counter(n): print ( "create_counter" ) while True : yield n print ( "increment n" ) n  + = 1 gen  = create_counter( 2 ) print (gen) print ( next (gen)) print ( next (gen)) 結果： <generator  object create_counter at  0x0000023A1694A938 > create_counter 2 increment n 3 Process finished with exit code

　　

——生成器表達式

生成器表達式來源于疊代和清單解析的組合，生成器和清單解析類似，但是它使用尖括号而不是方括号

1 2 3 4 5 6 7 8 9 10

>>>  # 清單解析生成清單 >>> [ x  * * 3 for x  in range ( 5 )] [ ,  1 ,  8 ,  27 ,  64 ] >>> >>>  # 生成器表達式 >>> (x  * * 3 for x  in range ( 5 )) <generator  object <genexpr> at  0x000000000315F678 > >>>  # 兩者之間轉換 >>>  list (x  * * 3 for x  in range ( 5 )) [ ,  1 ,  8 ,  27 ,  64 ]

　　一個疊代既可以被寫成生成器函數，也可以被協程生成器表達式，均支援自動和手動疊代。而且這些生成器隻支援一個active疊代，也就是說生成器的疊代器就是生成器本身。

疊代器（疊代就是循環）

　　疊代器包含有next方法的實作，在正确的範圍内傳回期待的資料以及超出範圍後能夠抛出StopIteration的錯誤停止疊代。

　　我們已經知道，可以直接作用于for循環的資料類型有以下幾種：

一類是集合資料類型，如list,tuple,dict,set,str等

一類是generator，包括生成器和帶yield的generator function

這些可以直接作用于for 循環的對象統稱為可疊代對象：Iterable

可以使用isinstance()判斷一個對象是否為可Iterable對象

1 2 3 4 5 6 7 8 9 10 11

>>>  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

　　而生成器不但可以作用于for循環，還可以被next()函數不斷調用并傳回下一個值，直到最後抛出StopIteration錯誤表示無法繼續傳回下一個值了。

是以這裡講一下疊代器

一個實作了iter方法的對象時可疊代的，一個實作next方法的對象是疊代器

可以被next()函數調用并不斷傳回下一個值的對象稱為疊代器：Iterator。

可以使用isinstance()判斷一個對象是否是Iterator對象：

1 2 3 4 5 6 7 8 9

>>>  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

對象，但

list

、

dict

、

str

雖然是

Iterable（可疊代對象）

，卻不是

Iterator（疊代器）

。

把

list

、

dict

、

str

等

Iterable

變成

Iterator

可以使用

iter()

函數：

1 2 3 4

>>>  isinstance ( iter ([]), Iterator) True >>>  isinstance ( iter ( 'abc' ), Iterator) True

　　

你可能會問，為什麼

list

、

dict

、

str

等資料類型不是

Iterator

？

這是因為Python的

Iterator

對象表示的是一個資料流，Iterator對象可以被

next()

函數調用并不斷傳回下一個資料，直到沒有資料時抛出

StopIteration

錯誤。可以把這個資料流看做是一個有序序列，但我們卻不能提前知道序列的長度，隻能不斷通過

next()

函數實作按需計算下一個資料，是以

Iterator

的計算是惰性的，隻有在需要傳回下一個資料時它才會計算。

Iterator

甚至可以表示一個無限大的資料流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

　　判斷下列資料類型是可疊代對象or疊代器

1 2 3 4 5 6

s = 'hello' l = [ 1 , 2 , 3 , 4 ] t = ( 1 , 2 , 3 ) d = { 'a' : 1 } set = { 1 , 2 , 3 } f = open ( 'a.txt' )

　　

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

s= 'hello' #字元串是可疊代對象，但不是疊代器 l=[1,2,3,4]     #清單是可疊代對象，但不是疊代器 t=(1,2,3)       #元組是可疊代對象，但不是疊代器 d={ 'a' :1}        #字典是可疊代對象，但不是疊代器 set ={1,2,3}     #集合是可疊代對象，但不是疊代器 # ************************************* f=open( 'test.txt' ) #檔案是可疊代對象，是疊代器 #如何判斷是可疊代對象，隻有__iter__方法，執行該方法得到的疊代器對象。 # 及可疊代對象通過__iter__轉成疊代器對象 from collections import Iterator  #疊代器 from collections import Iterable  #可疊代對象 print(isinstance(s,Iterator))     #判斷是不是疊代器 print(isinstance(s,Iterable))       #判斷是不是可疊代對象 #把可疊代對象轉換為疊代器 print(isinstance(iter(s),Iterator))

　

　注意：檔案的判斷

1 2 3 4 5 6 7 8 9

f = open( 'housing.csv' ) from collections import Iterator from collections import Iterable print(isinstance(f,Iterator)) print(isinstance(f,Iterable)) True True

　　結論：檔案是可疊代對象，也是疊代器

小結：

• 凡是可作用于

  for

  循環的對象都是

  Iterable

  類型；
• 凡是可作用于

  next()

  函數的對象都是

  Iterator

  類型，它們表示一個惰性計算的序列；
• 集合資料類型如

  list

  、

  dict

  、

  str

  等是

  Iterable

  但不是

  Iterator

  ，不過可以通過

  iter()

  函數獲得一個

  Iterator

  對象。

Python3的

for

循環本質上就是通過不斷調用

next()

函數實作的，例如：

1 2	for x  in [ 1 ,  2 ,  3 ,  4 ,  5 ]: pass

　實際上完全等價于

1 2 3 4 5 6 7 8 9 10

# 首先獲得Iterator對象: it  = iter ([ 1 ,  2 ,  3 ,  4 ,  5 ]) # 循環: while True : try : # 獲得下一個值: x  = next (it) except StopIteration: # 遇到StopIteration就退出循環 break

　　

對yield的總結

　　（1）通常的for..in...循環中，in後面是一個數組，這個數組就是一個可疊代對象，類似的還有連結清單，字元串，檔案。他可以是a = [1,2,3]，也可以是a = [x*x for x in range(3)]。

它的缺點也很明顯，就是所有資料都在記憶體裡面，如果有海量的資料，将會非常耗記憶體。

　　（2）生成器是可以疊代的，但是隻可以讀取它一次。因為用的時候才生成，比如a = (x*x for x in range(3))。!!!!注意這裡是小括号而不是方括号。

　　（3）生成器（generator）能夠疊代的關鍵是他有next()方法，工作原理就是通過重複調用next()方法，直到捕獲一個異常。

　　（4）帶有yield的函數不再是一個普通的函數，而是一個生成器generator，可用于疊代

　　（5）yield是一個類似return 的關鍵字，疊代一次遇到yield的時候就傳回yield後面或者右面的值。而且下一次疊代的時候，從上一次疊代遇到的yield後面的代碼開始執行

　　（6）yield就是return傳回的一個值，并且記住這個傳回的位置。下一次疊代就從這個位置開始。

　　（7）帶有yield的函數不僅僅是隻用于for循環，而且可用于某個函數的參數，隻要這個函數的參數也允許疊代參數。

　　（8）send()和next()的差別就在于send可傳遞參數給yield表達式，這時候傳遞的參數就會作為yield表達式的值，而yield的參數是傳回給調用者的值，也就是說send可以強行修改上一個yield表達式值。

　　（9）send()和next()都有傳回值，他們的傳回值是目前疊代遇到的yield的時候，yield後面表達式的值，其實就是目前疊代yield後面的參數。

　　（10）第一次調用時候必須先next（）或send（）,否則會報錯，send後之是以為None是因為這時候沒有上一個yield，是以也可以認為next（）等同于send(None)

不經一番徹骨寒 怎得梅花撲鼻香

python 生成器和疊代器有這篇就夠了

　　本節主要記錄一下清單生成式，生成器和疊代器的知識點

　　清單生成器

　　首先舉個例子

現在有個需求，看清單 [0，1，2，3，4，5，6，7，8，9]，要求你把清單裡面的每個值加1，你怎麼實作呢？

方法一（簡單）：

1 2 3 4 5 6 7 8 9

info  = [ ,  1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ,  9 ] b  = [] # for index,i in enumerate(info): #     print(i+1) #     b.append(i+1) # print(b) for index,i  in enumerate (info): info[index]  + = 1 print (info)

方法二（一般）：

1 2 3 4 5

info  = [ ,  1 ,  2 ,  3 ,  4 ,  5 ,  6 ,  7 ,  8 ,  9 ] a  = map ( lambda x:x + 1 ,info) print (a) for i  in a: print (i)

方法三（進階）：

+ View Code

　　生成器

什麼是生成器？

　　通過清單生成式，我們可以直接建立一個清單，但是，受到記憶體限制，清單容量肯定是有限的，而且建立一個包含100萬個元素的清單，不僅占用很大的存儲空間，如果我們僅僅需要通路前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。

　　是以，如果清單元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必建立完整的list，進而節省大量的空間，在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator

　　生成器是一個特殊的程式，可以被用作控制循環的疊代行為，python中生成器是疊代器的一種，使用yield傳回值函數，每次調用yield會暫停，而可以使用next()函數和send()函數恢複生成器。

　　生成器類似于傳回值為數組的一個函數，這個函數可以接受參數，可以被調用，但是，不同于一般的函數會一次性傳回包括了所有數值的數組，生成器一次隻能産生一個值，這樣消耗的記憶體數量将大大減小，而且允許調用函數可以很快的處理前幾個傳回值，是以生成器看起來像是一個函數，但是表現得卻像是疊代器

python中的生成器

　　要建立一個generator，有很多種方法，第一種方法很簡單，隻有把一個清單生成式的[]中括号改為（）小括号，就建立一個generator

　　舉例如下：

1 2 3 4 5 6 7 8 9 10

#清單生成式 lis  = [x * x  for x  in range ( 10 )] print (lis) #生成器 generator_ex  = (x * x  for x  in range ( 10 )) print (generator_ex) 結果： [ ,  1 ,  4 ,  9 ,  16 ,  25 ,  36 ,  49 ,  64 ,  81 ] <generator  object <genexpr> at  0x000002A4CBF9EBA0 >

　　那麼建立lis和generator_ex，的差別是什麼呢？從表面看就是[  ]和（）,但是結果卻不一樣，一個列印出來是清單（因為是清單生成式），而第二個列印出來卻是<generator object <genexpr> at 0x000002A4CBF9EBA0>，那麼如何列印出來generator_ex的每一個元素呢？

　　如果要一個個列印出來，可以通過next（）函數獲得generator的下一個傳回值：

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 29 30 31

#生成器 generator_ex  = (x * x  for x  in range ( 10 )) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) print ( next (generator_ex)) 結果： 1 4 9 16 25 36 49 64 81 Traceback (most recent call last): File "清單生成式.py" , line  42 ,  in <module> print ( next (generator_ex)) StopIteration

　　大家可以看到，generator儲存的是算法，每次調用next(generaotr_ex)就計算出他的下一個元素的值，直到計算出最後一個元素，沒有更多的元素時，抛出StopIteration的錯誤，而且上面這樣不斷調用是一個不好的習慣，正确的方法是使用for循環，因為generator也是可疊代對象：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

#生成器 generator_ex  = (x * x  for x  in range ( 10 )) for i  in generator_ex: print (i) 結果： 1 4 9 16 25 36 49 64 81

　　是以我們建立一個generator後，基本上永遠不會調用next()，而是通過for循環來疊代，并且不需要關心StopIteration的錯誤，generator非常強大，如果推算的算法比較複雜，用類似清單生成式的for循環無法實作的時候，還可以用函數來實作。

比如著名的斐波那契數列，除第一個和第二個數外，任何一個數都可以由前兩個相加得到：

1，1，2，3，5，8，12，21，34.....

斐波那契數列用清單生成式寫不出來，但是，用函數把它列印出來卻很容易：

1 2 3 4 5 6 7 8 9 10 11

#fibonacci數列 def fib(max): n,a,b =0,0,1 while n < max: a,b =b,a+b n = n+1 print(a) return 'done' a = fib(10) print(fib(10))

　　a,b = b ,a+b  其實相當于 t =a+b ,a =b ,b =t  ，是以不必寫顯示寫出臨時變量t，就可以輸出斐波那契數列的前N個數字。上面輸出的結果如下：

+ View Code

　　仔細觀察，可以看出，

fib

函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

　　也就是說上面的函數也可以用generator來實作，上面我們發現，print(b)每次函數運作都要列印，占記憶體，是以為了不占記憶體，我們也可以使用生成器，這裡叫yield。如下：

1 2 3 4 5 6 7 8 9 10

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' a  = fib( 10 ) print (fib( 10 ))

　　但是傳回的不再是一個值，而是一個生成器，和上面的例子一樣，大家可以看一下結果：

1	<generator  object fib at  0x000001C03AC34FC0 >

　　那麼這樣就不占記憶體了，這裡說一下generator和函數的執行流程，函數是順序執行的，遇到return語句或者最後一行函數語句就傳回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句傳回，再次被next（）調用時候從上次的傳回yield語句處急需執行，也就是用多少，取多少，不占記憶體。

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

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' a  = fib( 10 ) print (fib( 10 )) print (a.__next__()) print (a.__next__()) print (a.__next__()) print ( "可以順便幹其他事情" ) print (a.__next__()) print (a.__next__()) 結果： <generator  object fib at  0x0000023A21A34FC0 > 1 1 2 可以順便幹其他事情 3 5

　　在上面fib的例子，我們在循環過程中不斷調用

yield

，就會不斷中斷。當然要給循環設定一個條件來退出循環，不然就會産生一個無限數列出來。同樣的，把函數改成generator後，我們基本上從來不會用

next()

來擷取下一個傳回值，而是直接使用

for

循環來疊代：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' for i  in fib( 6 ): print (i) 結果： 1 1 2 3 5 8

　　但是用for循環調用generator時，發現拿不到generator的return語句的傳回值。如果拿不到傳回值，那麼就會報錯，是以為了不讓報錯，就要進行異常處理，拿到傳回值，如果想要拿到傳回值，必須捕獲StopIteration錯誤，傳回值包含在StopIteration的value中：

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

def fib( max ): n,a,b  = , , 1 while n <  max : yield b a,b  = b,a + b n  = n + 1 return 'done' g  = fib( 6 ) while True : try : x  = next (g) print ( 'generator: ' ,x) except StopIteration as e: print ( "生成器傳回值：" ,e.value) break 結果： generator:   1 generator:   1 generator:   2 generator:   3 generator:   5 generator:   8 生成器傳回值： done

還可以通過yield實作在單線程的情況下實作并發運算的效果

+ View Code

　　由上面的例子我麼可以發現，python提供了兩種基本的方式

   生成器函數：也是用def定義的，利用關鍵字yield一次性傳回一個結果，阻塞，重新開始

   生成器表達式：傳回一個對象，這個對象隻有在需要的時候才産生結果

——生成器函數

為什麼叫生成器函數？因為它随着時間的推移生成了一個數值隊列。一般的函數在執行完畢之後會傳回一個值然後退出，但是生成器函數會自動挂起，然後重新拾起急需執行，他會利用yield關鍵字關起函數，給調用者傳回一個值，同時保留了目前的足夠多的狀态，可以使函數繼續執行，生成器和疊代協定是密切相關的，疊代器都有一個__next__()__成員方法，這個方法要麼傳回疊代的下一項，要買引起異常結束疊代。

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

# 函數有了yield之後，函數名+（）就變成了生成器 # return在生成器中代表生成器的中止，直接報錯 # next的作用是喚醒并繼續執行 # send的作用是喚醒并繼續執行，發送一個資訊到生成器内部 '''生成器''' def create_counter(n): print ( "create_counter" ) while True : yield n print ( "increment n" ) n  + = 1 gen  = create_counter( 2 ) print (gen) print ( next (gen)) print ( next (gen)) 結果： <generator  object create_counter at  0x0000023A1694A938 > create_counter 2 increment n 3 Process finished with exit code

　　

——生成器表達式

生成器表達式來源于疊代和清單解析的組合，生成器和清單解析類似，但是它使用尖括号而不是方括号

1 2 3 4 5 6 7 8 9 10

>>>  # 清單解析生成清單 >>> [ x  * * 3 for x  in range ( 5 )] [ ,  1 ,  8 ,  27 ,  64 ] >>> >>>  # 生成器表達式 >>> (x  * * 3 for x  in range ( 5 )) <generator  object <genexpr> at  0x000000000315F678 > >>>  # 兩者之間轉換 >>>  list (x  * * 3 for x  in range ( 5 )) [ ,  1 ,  8 ,  27 ,  64 ]

　　一個疊代既可以被寫成生成器函數，也可以被協程生成器表達式，均支援自動和手動疊代。而且這些生成器隻支援一個active疊代，也就是說生成器的疊代器就是生成器本身。

疊代器（疊代就是循環）

　　疊代器包含有next方法的實作，在正确的範圍内傳回期待的資料以及超出範圍後能夠抛出StopIteration的錯誤停止疊代。

　　我們已經知道，可以直接作用于for循環的資料類型有以下幾種：

一類是集合資料類型，如list,tuple,dict,set,str等

一類是generator，包括生成器和帶yield的generator function

這些可以直接作用于for 循環的對象統稱為可疊代對象：Iterable

可以使用isinstance()判斷一個對象是否為可Iterable對象

1 2 3 4 5 6 7 8 9 10 11

>>>  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

　　而生成器不但可以作用于for循環，還可以被next()函數不斷調用并傳回下一個值，直到最後抛出StopIteration錯誤表示無法繼續傳回下一個值了。

是以這裡講一下疊代器

一個實作了iter方法的對象時可疊代的，一個實作next方法的對象是疊代器

可以被next()函數調用并不斷傳回下一個值的對象稱為疊代器：Iterator。

可以使用isinstance()判斷一個對象是否是Iterator對象：

1 2 3 4 5 6 7 8 9

>>>  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

對象，但

list

、

dict

、

str

雖然是

Iterable（可疊代對象）

，卻不是

Iterator（疊代器）

。

把

list

、

dict

、

str

等

Iterable

變成

Iterator

可以使用

iter()

函數：

1 2 3 4

>>>  isinstance ( iter ([]), Iterator) True >>>  isinstance ( iter ( 'abc' ), Iterator) True

　　

你可能會問，為什麼

list

、

dict

、

str

等資料類型不是

Iterator

？

這是因為Python的

Iterator

對象表示的是一個資料流，Iterator對象可以被

next()

函數調用并不斷傳回下一個資料，直到沒有資料時抛出

StopIteration

錯誤。可以把這個資料流看做是一個有序序列，但我們卻不能提前知道序列的長度，隻能不斷通過

next()

函數實作按需計算下一個資料，是以

Iterator

的計算是惰性的，隻有在需要傳回下一個資料時它才會計算。

Iterator

甚至可以表示一個無限大的資料流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

　　判斷下列資料類型是可疊代對象or疊代器

1 2 3 4 5 6

s = 'hello' l = [ 1 , 2 , 3 , 4 ] t = ( 1 , 2 , 3 ) d = { 'a' : 1 } set = { 1 , 2 , 3 } f = open ( 'a.txt' )

　　

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

s= 'hello' #字元串是可疊代對象，但不是疊代器 l=[1,2,3,4]     #清單是可疊代對象，但不是疊代器 t=(1,2,3)       #元組是可疊代對象，但不是疊代器 d={ 'a' :1}        #字典是可疊代對象，但不是疊代器 set ={1,2,3}     #集合是可疊代對象，但不是疊代器 # ************************************* f=open( 'test.txt' ) #檔案是可疊代對象，是疊代器 #如何判斷是可疊代對象，隻有__iter__方法，執行該方法得到的疊代器對象。 # 及可疊代對象通過__iter__轉成疊代器對象 from collections import Iterator  #疊代器 from collections import Iterable  #可疊代對象 print(isinstance(s,Iterator))     #判斷是不是疊代器 print(isinstance(s,Iterable))       #判斷是不是可疊代對象 #把可疊代對象轉換為疊代器 print(isinstance(iter(s),Iterator))

　

　注意：檔案的判斷

1 2 3 4 5 6 7 8 9

f = open( 'housing.csv' ) from collections import Iterator from collections import Iterable print(isinstance(f,Iterator)) print(isinstance(f,Iterable)) True True

　　結論：檔案是可疊代對象，也是疊代器

小結：

• 凡是可作用于

  for

  循環的對象都是

  Iterable

  類型；
• 凡是可作用于

  next()

  函數的對象都是

  Iterator

  類型，它們表示一個惰性計算的序列；
• 集合資料類型如

  list

  、

  dict

  、

  str

  等是

  Iterable

  但不是

  Iterator

  ，不過可以通過

  iter()

  函數獲得一個

  Iterator

  對象。

Python3的

for

循環本質上就是通過不斷調用

next()

函數實作的，例如：

1 2	for x  in [ 1 ,  2 ,  3 ,  4 ,  5 ]: pass

　實際上完全等價于

1 2 3 4 5 6 7 8 9 10

# 首先獲得Iterator對象: it  = iter ([ 1 ,  2 ,  3 ,  4 ,  5 ]) # 循環: while True : try : # 獲得下一個值: x  = next (it) except StopIteration: # 遇到StopIteration就退出循環 break

　　

對yield的總結

　　（1）通常的for..in...循環中，in後面是一個數組，這個數組就是一個可疊代對象，類似的還有連結清單，字元串，檔案。他可以是a = [1,2,3]，也可以是a = [x*x for x in range(3)]。

它的缺點也很明顯，就是所有資料都在記憶體裡面，如果有海量的資料，将會非常耗記憶體。

　　（2）生成器是可以疊代的，但是隻可以讀取它一次。因為用的時候才生成，比如a = (x*x for x in range(3))。!!!!注意這裡是小括号而不是方括号。

　　（3）生成器（generator）能夠疊代的關鍵是他有next()方法，工作原理就是通過重複調用next()方法，直到捕獲一個異常。

　　（4）帶有yield的函數不再是一個普通的函數，而是一個生成器generator，可用于疊代

　　（5）yield是一個類似return 的關鍵字，疊代一次遇到yield的時候就傳回yield後面或者右面的值。而且下一次疊代的時候，從上一次疊代遇到的yield後面的代碼開始執行

　　（6）yield就是return傳回的一個值，并且記住這個傳回的位置。下一次疊代就從這個位置開始。

　　（7）帶有yield的函數不僅僅是隻用于for循環，而且可用于某個函數的參數，隻要這個函數的參數也允許疊代參數。

　　（8）send()和next()的差別就在于send可傳遞參數給yield表達式，這時候傳遞的參數就會作為yield表達式的值，而yield的參數是傳回給調用者的值，也就是說send可以強行修改上一個yield表達式值。

　　（9）send()和next()都有傳回值，他們的傳回值是目前疊代遇到的yield的時候，yield後面表達式的值，其實就是目前疊代yield後面的參數。

　　（10）第一次調用時候必須先next（）或send（）,否則會報錯，send後之是以為None是因為這時候沒有上一個yield，是以也可以認為next（）等同于send(None)

不經一番徹骨寒 怎得梅花撲鼻香

yield後面的代碼開始執行

　　（6）yield就是return傳回的一個值，并且記住這個傳回的位置。下一次疊代就從這個位置開始。

　　（7）帶有yield的函數不僅僅是隻用于for循環，而且可用于某個函數的參數，隻要這個函數的參數也允許疊代參數。

　　（8）send()和next()的差別就在于send可傳遞參數給yield表達式，這時候傳遞的參數就會作為yield表達式的值，而yield的參數是傳回給調用者的值，也就是說send可以強行修改上一個yield表達式值。

　　（9）send()和next()都有傳回值，他們的傳回值是目前疊代遇到的yield的時候，yield後面表達式的值，其實就是目前疊代yield後面的參數。

　　（10）第一次調用時候必須先next（）或send（）,否則會報錯，send後之是以為None是因為這時候沒有上一個yield，是以也可以認為next（）等同于send(None)

不經一番徹骨寒 怎得梅花撲鼻香