關于我
一個有思想的程序猿,終身學習實踐者,目前在一個創業團隊任team lead,技術棧涉及Android、Python、Java和Go,這個也是我們團隊的主要技術棧。
Github:https://github.com/hylinux1024
微信公眾號:終身開發者(angrycode)
在
Python
中可迭代(
Iterable
)、迭代器(
Iterator
)和生成器(
Generator
)這幾個概念是經常用到的,初學時對這幾個概念也是經常混淆,現在是時候把這幾個概念搞清楚了。
0x00 可迭代(Iterable)
簡單的說,一個對象(在Python里面一切都是對象)只要實現了只要實現了
__iter__()
方法,那么用
isinstance()
函數檢查就是
Iterable
對象;
例如
class IterObj:
def __iter__(self):
# 這里簡單地返回自身
# 但實際情況可能不會這么寫
# 而是通過內置的可迭代對象來實現
# 下文的列子中將會展示
return self
上面定義了一個類
IterObj
并實現了
__iter__()
方法,這個就是一個
可迭代(Iterable)對象
it = IterObj()
print(isinstance(it, Iterable)) # true
print(isinstance(it, Iterator)) # false
print(isinstance(it, Generator)) # false
記住這個類,下文我們還會看到這個類的定義。
常見的可迭代對象
在
Python
中有哪些常見的可迭代對象呢?
-
集合或序列類型(如
list
、tuple
、set
、dict
、str
) - 文件對象
-
在類中定義了
__iter__()
方法的對象,可以被認為是Iterable
對象,但自定義的可迭代對象要能在for
循環中正確使用,就需要保證__iter__()
實現必須是正確的(即可以通過內置iter()
函數轉成Iterator
對象。關于Iterator
下文還會說明,這里留下一個坑,只是記住iter()
函數是能夠將一個可迭代對象轉成迭代器對象,然后在for
中使用) -
在類中實現了如果只實現
__getitem__()
的對象可以通過iter()
函數轉化成迭代器但其本身不是可迭代對象。所以當一個對象能夠在for
循環中運行,但不一定是Iterable
對象。
關于 第1、2點 我們可以通過以下來驗證
print(isinstance([], Iterable)) # true list 是可迭代的
print(isinstance({}, Iterable)) # true 字典是可迭代的
print(isinstance((), Iterable)) # true 元組是可迭代的
print(isinstance(set(), Iterable)) # true set是可迭代的
print(isinstance('', Iterable)) # true 字符串是可迭代的
currPath = os.path.dirname(os.path.abspath(__file__))
with open(currPath+'/model.py') as file:
print(isinstance(file, Iterable)) # true
我們再來看 第3點 ,
print(hasattr([], "__iter__")) # true
print(hasattr({}, "__iter__")) # true
print(hasattr((), "__iter__")) # true
print(hasattr('', "__iter__")) # true
這些內置集合或序列對象都有
__iter__
屬性,即他們都實現了同名方法。但這個可迭代對象要在
for
循環中被使用,那么它就應該能夠被內置的
iter()
函數調用并轉化成
Iterator
對象。
例如,我們看內置的可迭代對象
print(iter([])) #
print(iter({})) #
print(iter(())) #
print(iter('')) #
它們都相應的轉成了對應的迭代器(
Iterator
)對象。
現在回過頭再看看一開始定義的那個
IterObj
類
class IterObj:
def __iter__(self):
return self
it = IterObj()
print(iter(it))
我們使用了
iter()
函數,這時候將再控制臺上打印出以下信息:
Traceback (most recent call last):
File "/Users/mac/PycharmProjects/iterable_iterator_generator.py", line 71, in
print(iter(it))
TypeError: iter() returned non-iterator of type 'IterObj'
出現了類型錯誤,意思是
iter()
函數不能將‘非迭代器’類型轉成迭代器。
那如何才能將一個可迭代(
Iterable
)對象轉成迭代器(
Iterator
)對象呢?
我們修改一下
IterObj
類的定義
class IterObj:
def __init__(self):
self.a = [3, 5, 7, 11, 13, 17, 19]
def __iter__(self):
return iter(self.a)
我們在構造方法中定義了一個名為
a
的列表,然后還實現了
__iter__()
方法。
修改后的類是可以被
iter()
函數調用的,即也可以在
for
循環中使用
it = IterObj()
print(isinstance(it, Iterable)) # true
print(isinstance(it, Iterator)) # false
print(isinstance(it, Generator)) # false
print(iter(it)) #
for i in it:
print(i) # 將打印3、5、7、11、13、17、19元素
因此
在定義一個可迭代對象時,我們要非常注意
__iter__()
方法的內部實現邏輯,一般情況下,是通過一些已知的可迭代對象(例如,上文提到的集合、序列、文件等或其他正確定義的可迭代對象)來輔助我們來實現
關于
第4點
說明的意思是
iter()
函數可以將一個實現了
__getitem__()
方法的對象轉成迭代器對象,也可以在
for
循環中使用,但是如果用
isinstance()
方法來檢測時,它不是一個可迭代對象。
class IterObj:
def __init__(self):
self.a = [3, 5, 7, 11, 13, 17, 19]
def __getitem__(self, i):
return self.a[i]
it = IterObj()
print(isinstance(it, Iterable)) # false
print(isinstance(it, Iterator)) # false
print(isinstance(it, Generator)) false
print(hasattr(it, "__iter__")) # false
print(iter(it)) #
for i in it:
print(i) # 將打印出3、5、7、11、13、17、19
這個例子說明了可以
在
for
中使用的對象,不一定是可迭代對象。
現在我們做個小結:
-
一個可迭代的對象是實現了
__iter__()
方法的對象 -
它要在
for
循環中使用,就必須滿足iter()
的調用(即調用這個函數不會出錯,能夠正確轉成一個Iterator
對象) - 可以通過已知的可迭代對象來輔助實現我們自定義的可迭代對象。
-
一個對象實現了
__getitem__()
方法可以通過iter()
函數轉成Iterator
,即可以在for
循環中使用,但它不是一個可迭代對象(可用isinstance方法檢測())
0x01 迭代器(Iterator)
上文很多地方都提到了
Iterator
,現在我們把這個坑填上。
當我們對可迭代的概念了解后,對于迭代器就比較好理解了。
一個對象實現了
__iter__()
和
__next__()
方法,那么它就是一個迭代器對象。
例如
class IterObj:
def __init__(self):
self.a = [3, 5, 7, 11, 13, 17, 19]
self.n = len(self.a)
self.i = 0
def __iter__(self):
return iter(self.a)
def __next__(self):
while self.i < self.n:
v = self.a[self.i]
self.i += 1
return v
else:
self.i = 0
raise StopIteration()
在
IterObj
中,構造函數中定義了一個列表
a
,列表長度
n
,索引
i
。
it = IterObj()
print(isinstance(it, Iterable)) # true
print(isinstance(it, Iterator)) # true
print(isinstance(it, Generator)) # false
print(hasattr(it, "__iter__")) # true
print(hasattr(it, "__next__")) # true
我們可以發現上文提到的
集合和序列對象是可迭代的但不是迭代器
print(isinstance([], Iterator)) # false
print(isinstance({}, Iterator)) # false
print(isinstance((), Iterator)) # false
print(isinstance(set(), Iterator)) # false
print(isinstance('', Iterator)) # false
而 文件對象是迭代器
currPath = os.path.dirname(os.path.abspath(__file__))
with open(currPath+'/model.py') as file:
print(isinstance(file, Iterator)) # true
一個迭代器(
Iterator
)對象不僅可以在
for
循環中使用,還可以通過內置函數
next()
函數進行調用。
例如
it = IterObj()
next(it) # 3
next(it) # 5
0x02 生成器(Generator)
現在我們來看看什么是生成器?
一個生成器既是可迭代的也是迭代器
定義生成器有兩種方式:
- 列表生成器
-
使用
yield
定義生成器函數
先看第1種情況
g = (x * 2 for x in range(10)) # 0~18的偶數生成器
print(isinstance(g, Iterable)) # true
print(isinstance(g, Iterator)) # true
print(isinstance(g, Generator)) # true
print(hasattr(g, "__iter__")) # true
print(hasattr(g, "__next__")) # true
print(next(g)) # 0
print(next(g)) # 2
列表生成器可以不需要消耗大量的內存來生成一個巨大的列表,只有在需要數據的時候才會進行計算。
再看第2種情況
def gen():
for i in range(10):
yield i
這里
yield
的作用就相當于
return
,這個函數就是順序地返回
[0,10)
的之間的自然數,可以通過
next()
或使用
for
循環來遍歷。
當程序遇到
yield
關鍵字時,這個生成器函數就返回了,直到再次執行了
next()
函數,它就會從上次函數返回的執行點繼續執行,即
yield
退出時保存了函數執行的位置、變量等信息,再次執行時,就從這個
yield
退出的地方繼續往下執行。
在
Python
中利用生成器的這些特點可以實現協程。協程可以理解為一個輕量級的線程,它相對于線程處理高并發場景有很多優勢。
看下面一個用協程實現的 生產者-消費者模型
def producer(c):
n = 0
while n < 5:
n += 1
print('producer {}'.format(n))
r = c.send(n)
print('consumer return {}'.format(r))
def consumer():
r = ''
while True:
n = yield r
if not n:
return
print('consumer {} '.format(n))
r = 'ok'
if __name__ == '__main__':
c = consumer()
next(c) # 啟動consumer
producer(c)
這段代碼執行效果如下
producer 1
consumer 1
producer return ok
producer 2
consumer 2
producer return ok
producer 3
consumer 3
producer return ok
協程實現了
CPU
在兩個函數之間進行切換從而實現并發的效果。
0x04 引用
- https://docs.python.org/3.7/
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯系: 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
