從容器、可迭代對象談起
所有的容器都是可迭代的（iterable）,迭代器提供了一個next方法。iter()返回一個迭代器，通過next()函數(shù)可以實現(xiàn)遍歷。
def is_iterable(param):
try:
iter(param)
return True
except TypeError:
return False
params = [
1234,
'1234',
[1, 2, 3, 4],
set([1, 2, 3, 4]),
{1:1, 2:2, 3:3, 4:4},
(1, 2, 3, 4)
]
for param in params:
print('{} is iterable? {}'.format(param, is_iterable(param)))
########## 輸出 ##########
# 1234 is iterable? False
# 1234 is iterable? True
# [1, 2, 3, 4] is iterable? True
# {1, 2, 3, 4} is iterable? True
# {1: 1, 2: 2, 3: 3, 4: 4} is iterable? True
# (1, 2, 3, 4) is iterable? True
除了數(shù)字外,其他數(shù)據(jù)結(jié)構(gòu)都是可迭代的。
生成器是什么
生成器是懶人版本的迭代器。例:
import os
import psutil
#顯示當(dāng)前 python 程序占用的內(nèi)存大小
def show_memory_info(hint):
pid = os.getpid()
p = psutil.Process(pid)
info = p.memory_full_info()
memory = info.uss / 1024. / 1024
print('{} memory used: {} MB'.format(hint, memory))
def test_iterator():
show_memory_info('initing iterator')
list_1 = [i for i in range(100000000)]
show_memory_info('after iterator initiated')
print(sum(list_1))
show_memory_info('after sum called')
def test_generator():
show_memory_info('initing generator')
list_2 = (i for i in range(100000000))
show_memory_info('after generator initiated')
print(sum(list_2))
show_memory_info('after sum called')
test_iterator()
test_generator()
%time test_iterator()
%time test_generator()
######### 輸出 ##########
initing iterator memory used: 48.9765625 MB
after iterator initiated memory used: 3920.30078125 MB
4999999950000000
after sum called memory used: 3920.3046875 MB
Wall time: 17 s
initing generator memory used: 50.359375 MB
after generator initiated memory used: 50.359375 MB
4999999950000000
after sum called memory used: 50.109375 MB
Wall time: 12.5 s
[i for i in range(100000000)] 聲明了一個迭代器，每個元素在生成后都會保存到內(nèi)存中，占用了巨量的內(nèi)存。(i for i in range(100000000)) 初始化了一個生成器，可以看到，生成器并不會像迭代器一樣占用大量的內(nèi)存，相比于 test_iterator()，test_generator()函數(shù)節(jié)省了一次生成一億個元素的過程。在調(diào)用next()的時候，才會生成下一個變量.
生成器能玩啥花樣
數(shù)學(xué)中有一個恒等式，(1 + 2 + 3 + ... + n)^2 = 1^3 + 2^3 + 3^3 + ... + n^3，用以下代碼表達
def generator(k):
i = 1
while True:
yield i ** k
i += 1
gen_1 = generator(1)
gen_3 = generator(3)
print(gen_1)
print(gen_3)
def get_sum(n):
sum_1, sum_3 = 0, 0
for i in range(n):
next_1 = next(gen_1)
next_3 = next(gen_3)
print('next_1 = {}, next_3 = {}'.format(next_1, next_3))
sum_1 += next_1
sum_3 += next_3
print(sum_1 * sum_1, sum_3)
get_sum(8)
########## 輸出 ##########
#
#
# next_1 = 1, next_3 = 1
# next_1 = 2, next_3 = 8
# next_1 = 3, next_3 = 27
# next_1 = 4, next_3 = 64
# next_1 = 5, next_3 = 125
# next_1 = 6, next_3 = 216
# next_1 = 7, next_3 = 343
# next_1 = 8, next_3 = 512
# 1296 1296
generator()這個函數(shù)，它返回了一個生成器，當(dāng)運行到y(tǒng)ield i ** k時，暫停并把i ** k作為next()的返回值。每次調(diào)用next(gen)時，暫停的程序會啟動并往下執(zhí)行，而且i的值也會被記住，繼續(xù)累加，最后next_1為8，next_3為512.
仔細查看這個示例，發(fā)現(xiàn)迭代器是一個有限集合，生成器則可以成為一個無限集。調(diào)用next()，生成器根據(jù)運算會自動生成新的元素，然后返回給你，非常便捷。
再來看一個問題：給定一個list和一個指定數(shù)字，求這個數(shù)字在list中的位置:
#常規(guī)寫法
def index_normal(L, target):
result = []
for i, num in enumerate(L):
if num == target:
result.append(i)
return result
print(index_normal([1, 6, 2, 4, 5, 2, 8, 6, 3, 2], 2))
########## 輸出 ##########
[2, 5, 9]
#生成器寫法
def index_generator(L, target):
for i, num in enumerate(L):
if num == target:
yield i
print(list(index_generator([1, 6, 2, 4, 5, 2, 8, 6, 3, 2], 2)))
######### 輸出 ##########
[2, 5, 9]
再看一例子:
查找子序列：給定兩個字符串a(chǎn),b,查找字符串a(chǎn)是否字符串b的子序列,所謂子序列,即一個序列包含在另一個序列中并且順序一
算法:分別用兩個指針指向兩個字符串的頭，然后往后移動找出相同的值，如果其中一個指針走完了整個字符串也沒有相同的值，則不是子序列
def is_subsequence(a, b):
b = iter(b)
return all(i in b for i in a)
print(is_subsequence([1, 3, 5], [1, 2, 3, 4, 5]))
print(is_subsequence([1, 4, 3], [1, 2, 3, 4, 5]))
######### 輸出 ##########
True
False
下面代碼為上面代碼的演化版本
def is_subsequence(a, b):
b = iter(b)
print(b)
gen = (i for i in a)
print(gen)
for i in gen:
print(i)
gen = ((i in b) for i in a)
print(gen)
for i in gen:
print(i)
return all(((i in b) for i in a))
print(is_subsequence([1, 3, 5], [1, 2, 3, 4, 5]))
print(is_subsequence([1, 4, 3], [1, 2, 3, 4, 5]))
########## 輸出 ##########
#
#
.
at 0x000001E70651C570>
# 1
# 3
# 5
#
.
at 0x000001E70651C5E8>
# True
# True
# True
# False
#
#
.
at 0x000001E70651C5E8>
# 1
# 4
# 3
#
.
at 0x000001E70651C570>
# True
# True
# False
# False
首先iter(b)把b轉(zhuǎn)為迭代器。目的是內(nèi)部實現(xiàn)next函數(shù)，(i for i in a) 會產(chǎn)生一個生成器 ，同樣((i in b) for i in a)也是。然后(i in b)等階于:
while True:
val = next(b)
if val == i:
yield True
這里非常巧妙地利用生成器的特性，next()函數(shù)運行的時候，保存了當(dāng)前的指針。比如下面這個示例
b = (i for i in range(5))
print(2 in b)
print(4 in b)
print(3 in b)
########## 輸出 ##########
True
True
False
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
