我當(dāng)初第一次學(xué)到迭代器和生成器的時(shí)候，并沒(méi)有太在意，只是覺(jué)得這是一種新的獲取數(shù)據(jù)的方法。對(duì)于獲取數(shù)據(jù)的方法而言，我們會(huì)一種就足夠了。但是在我后來(lái)Python的使用以及TensorFlow等學(xué)習(xí)使用當(dāng)中，我發(fā)現(xiàn)很多地方都用到了迭代器和生成器，或者是直接使用，或者是借鑒了思路。所以我們不能掉以輕心，今天就讓我們仔細(xì)來(lái)看看，它們到底是怎么回事。

迭代器我們先從迭代器[1]開(kāi)始入手，迭代器并不是Python獨(dú)有的概念，在C++和Java當(dāng)中都有iterator的概念，兩者的使用也都差不多。迭代器主要解決了一個(gè)問(wèn)題，在一個(gè)復(fù)雜場(chǎng)景下，獲取數(shù)據(jù)怎么盡可能簡(jiǎn)便。

我們來(lái)假設(shè)一個(gè)場(chǎng)景，假設(shè)我們從某個(gè)數(shù)據(jù)源獲取了一批數(shù)據(jù)。然后我們需要調(diào)用前一萬(wàn)條生成一個(gè)結(jié)果，得到結(jié)果之后，我們要將剩下的數(shù)據(jù)交給另一個(gè)調(diào)用方去處理。這個(gè)過(guò)程看起來(lái)非常平常，但是隱藏了兩個(gè)問(wèn)題，第一個(gè)問(wèn)題是如果我們能保證第一次處理的時(shí)候，每次都是使用一萬(wàn)條還好說(shuō)，如果我們使用的條數(shù)是一個(gè)動(dòng)態(tài)的值呢?顯然，我們需要一個(gè)變量來(lái)記錄我們究竟用了多少條數(shù)據(jù)，和這批數(shù)據(jù)的狀態(tài)。其次，如果這個(gè)數(shù)據(jù)量很大會(huì)存在一個(gè)數(shù)據(jù)傳輸?shù)膯?wèn)題。我們每次都要將一大批數(shù)據(jù)傳來(lái)傳去，顯然會(huì)消耗很多資源。

還有一個(gè)場(chǎng)景是如果我們開(kāi)發(fā)的是一個(gè)比較復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，比如一棵多叉樹(shù)，下游想要遍歷它的時(shí)候，必須要了解它的實(shí)現(xiàn)原理才行。這顯然也不太友好。

迭代器的出現(xiàn)正是針對(duì)以上這些問(wèn)題，它的含義也很簡(jiǎn)單，有點(diǎn)像是我們遍歷鏈表的時(shí)候用到的cur的指針。永遠(yuǎn)指向當(dāng)前的位置，永遠(yuǎn)知道下一個(gè)位置在哪里。

容器迭代器我們先從簡(jiǎn)單的元素迭代器開(kāi)始了解它的用途，我們都知道Python當(dāng)中經(jīng)典的幾個(gè)容器：list,tuple和dict。它們都是一個(gè)可迭代對(duì)象，我們可以直接使用關(guān)鍵字iter獲取一個(gè)對(duì)應(yīng)的迭代器。

我們來(lái)看一個(gè)例子：

arr=[1,3,4,5,9]

it=iter(arr)

print(next(it))

print(next(it))

這是一個(gè)非常經(jīng)典的例子，我們首先定義了一個(gè)數(shù)組，然后通過(guò)iter關(guān)鍵字獲取了一個(gè)讀取它的迭代器。有了迭代器之后我們可以通過(guò)next關(guān)鍵字獲取迭代器當(dāng)中的下一個(gè)元素，我們一共調(diào)用了兩次next，第一次輸出的結(jié)果是1，第二次的結(jié)果是3。和我們剛才說(shuō)的一樣，我們每一次調(diào)用，它會(huì)自動(dòng)往后移動(dòng)一格，獲取后面一位的數(shù)據(jù)。

這里有一點(diǎn)需要注意，因?yàn)槲覀儎?chuàng)建的數(shù)組當(dāng)中一共只有5個(gè)元素，如果我們調(diào)用it的次數(shù)超過(guò)5次，那么會(huì)引發(fā)超界，Python的解釋器會(huì)拋出StopIteration的error。

除了使用next，我們也可以使用for循環(huán)來(lái)迭代它：

foriinit:

print(i)

這種用法就和我們用for循環(huán)遍歷元素是一樣的。

自定義迭代器

官方的迭代器的用法就這么多，這也不是它的主要用法，它最主要的用法是我們自己創(chuàng)建迭代器。和之前介紹Python自定義排序的時(shí)候的思路一樣，我們?yōu)轭?lèi)添加上__iter__方法和__next__方法即可。

其中__iter__方法用來(lái)初始化并返回迭代器，關(guān)于它的解釋比較復(fù)雜。在Python當(dāng)中迭代有兩個(gè)概念一個(gè)是iterable，一個(gè)是iterator。協(xié)議規(guī)定iteratble的__iter__方法會(huì)返回一個(gè)iterator。而iterator本身也是一個(gè)iterable對(duì)象，自然也需要實(shí)現(xiàn)__iter__方法。

我知道這么說(shuō)可能聽(tīng)不太明白，我舉個(gè)例子，比如說(shuō)員工和老板，員工沒(méi)有審批權(quán)限，只能轉(zhuǎn)達(dá)給老板。我們把員工比喻成iterable對(duì)象，老板比喻成iterator。

員工面臨一個(gè)問(wèn)題的時(shí)候沒(méi)有權(quán)限處理，只能找來(lái)老板決定。也就是最終決定的是老板，但如果是老板自己發(fā)現(xiàn)的問(wèn)題，他完全可以自己就解決了，不需要再去找其他人。所以說(shuō)我們用iter調(diào)用iterable對(duì)象的__iter__的時(shí)候，會(huì)得到一個(gè)iterator，也就是調(diào)用員工返回老板，然后通過(guò)調(diào)用iterator的__next__來(lái)進(jìn)行迭代。

到這里也就清楚了，只有iterator有__next__方法，而iterable沒(méi)有，并且__iter__返回的是一個(gè)iterator。然而我們定義的已經(jīng)是iterator了，它同時(shí)也是一個(gè)iterable對(duì)象，所以調(diào)用__iter__時(shí)只需要返回self就好了。__next__方法很簡(jiǎn)單，對(duì)應(yīng)迭代器的next方法，用來(lái)返回下一個(gè)迭代的元素。

我們來(lái)看一個(gè)例子：

classPowTwo:

"""Classtoimplementaniterator

ofpowersoftwo"""

def__init__(self,max=0):

self.max=max

def__iter__(self):

self.n=0

returnself

def__next__(self):

ifself.n<=self.max:

result=2**self.n

self.n+=1

returnresult

else:

raiseStopIteration

這是一個(gè)簡(jiǎn)單的生成2的冪的迭代器，我們?cè)赺_iter__里為self.n初始化為0，然后返回自身。在__next__里判斷有沒(méi)有迭代結(jié)束，如果結(jié)束的話拋出一個(gè)異常。

我們來(lái)看使用它的例子：

>>>a=PowTwo(4)

>>>i=iter(a)

>>>next(i)

1

>>>next(i)

2

>>>next(i)

4

>>>next(i)

8

>>>next(i)

16

>>>next(i)

Traceback(mostrecentcalllast):

...

StopIteration

我們也可以用for循環(huán)來(lái)迭代它：

>>>foriinPowTwo(5):

...print(i)

...

迭代器除了可以迭代一個(gè)容器或者是像上面這樣自定義迭代方法之外，還可以用來(lái)迭代生成器。下面就讓我們一起來(lái)看下生成器的概念。

生成器生成器的概念和迭代器相輔相成，迭代器是生成一個(gè)遍歷數(shù)據(jù)的迭代工具，而生成器則是數(shù)據(jù)生成工具。

舉個(gè)很簡(jiǎn)單的例子，比如說(shuō)斐波那契數(shù)列我們都知道，從第三個(gè)數(shù)開(kāi)始等于前面兩個(gè)數(shù)的和。比如我們想獲取100萬(wàn)個(gè)斐波那契數(shù)列，按照傳統(tǒng)的方法我們需要開(kāi)辟一個(gè)長(zhǎng)度是一百萬(wàn)的數(shù)組，然后按照斐波那契數(shù)列的定義一個(gè)一個(gè)地計(jì)算。顯然這樣會(huì)消耗大量的空間，有沒(méi)有辦法我們和迭代器那樣構(gòu)建一個(gè)生成數(shù)據(jù)的方法，我們每次調(diào)用獲取下一個(gè)結(jié)果呢?這樣我們要多少數(shù)據(jù)就調(diào)用多少次就可以了，從根本上解決了存儲(chǔ)的問(wèn)題。

下面我們來(lái)看怎么定義一個(gè)生成器。

括號(hào)創(chuàng)建法

最簡(jiǎn)單的方法真的很簡(jiǎn)單，和我們創(chuàng)建list基本上一模一樣。

在Python當(dāng)中，我們經(jīng)常這樣初始化一個(gè)數(shù)組：

arr=[i*3foriinrange(10)]

也就是說(shuō)我們把循環(huán)放在list的定義當(dāng)中，這樣Python會(huì)自動(dòng)執(zhí)行里面的循環(huán)，然后將所有循環(huán)的結(jié)果進(jìn)行二次計(jì)算后寫(xiě)入到list當(dāng)中去。我們稍微變形一下，就得到了一個(gè)最簡(jiǎn)單的生成器。

g=(i*3foriinrange(10))

print(next(g))

看清楚了嗎，其實(shí)和list沒(méi)什么差別，只是我們將最外層的括號(hào)從[]換成了()。

這種方法大家應(yīng)該都能看懂，但是可能會(huì)有一個(gè)疑惑。我們這樣做的意義是什么呢?這樣和上面用[]定義有什么區(qū)別呢?

其實(shí)是有區(qū)別的，如果沒(méi)有區(qū)別，那么我們用生成器也就沒(méi)有意義了。它的區(qū)別也就是生成器的意義，簡(jiǎn)單來(lái)說(shuō)，我們前文中已經(jīng)說(shuō)過(guò)了當(dāng)定義一個(gè)list的時(shí)候，Python會(huì)自動(dòng)將for循環(huán)執(zhí)行一遍，然后將結(jié)果寫(xiě)入進(jìn)list當(dāng)中。但是生成器不會(huì)，雖然我們也用到了for循環(huán)，但是它只是起到了限制個(gè)數(shù)的作用，在執(zhí)行完這一步之后，Python并不會(huì)將for循環(huán)執(zhí)行結(jié)束。只有我們每次調(diào)用next，才會(huì)觸發(fā)它進(jìn)行一次循環(huán)。

不相信的同學(xué)可以試試，看看運(yùn)行一下下面兩個(gè)語(yǔ)句的區(qū)別：

g=(iforiinrange(1000000000))

g=[iforiinrange(1000000000)]

如果奇怪的事情發(fā)生了，不妨再回到文章來(lái)思考一下。

函數(shù)創(chuàng)建法

上面介紹的方法雖然簡(jiǎn)單，但是不太實(shí)用，因?yàn)楹芏鄷r(shí)候我們想要的數(shù)據(jù)構(gòu)造方法會(huì)比較復(fù)雜，很難用這種形式展現(xiàn)出來(lái)。

所以Python當(dāng)中還為我們提供了一種構(gòu)造生成器的方法，相比起來(lái)要稍微復(fù)雜一點(diǎn)點(diǎn)，但是也很好用。我們來(lái)看一個(gè)例子：

defgtr(n):

foriinrange(n):

yieldi

從代碼上來(lái)看，我們好像定義了一個(gè)函數(shù)，某種程度上可以這么理解，但是它返回的結(jié)果并不是一個(gè)值，而是一個(gè)生成器[2]。

如果你真的去試了，你會(huì)得到一個(gè)generator類(lèi)型的實(shí)例，這也是Python自帶的生成器的實(shí)例。

再仔細(xì)觀察一下，你會(huì)發(fā)現(xiàn)這個(gè)函數(shù)當(dāng)中的關(guān)鍵字和一般的不太一樣，它沒(méi)有使用return，而是使用了yield。yield和return在很大程度上很接近，但是又有些不同。

相同點(diǎn)是當(dāng)我們執(zhí)行到y(tǒng)ield時(shí)，和return一樣會(huì)將yield之后的內(nèi)容返回給調(diào)用方。比如上面代碼當(dāng)中寫(xiě)到y(tǒng)ieldi，那么我們運(yùn)行next的時(shí)候就會(huì)獲取到這個(gè)i。

不同的地方是，當(dāng)我們下一次再次執(zhí)行的時(shí)候，會(huì)繼續(xù)從yield處開(kāi)始往下執(zhí)行。有些類(lèi)似于遞歸的時(shí)候，底層的遞歸執(zhí)行結(jié)束回到上層的情況。因此如果我們要獲取多個(gè)值，需要在生成器當(dāng)中使用循環(huán)。舉個(gè)例子：

deftest():

n=0

whileTrue:

ifn<3:

yieldn

n+=1

else:

yield10

if__name__=='__main__':

t=test()

foriinrange(10):

print(next(t))

我們?nèi)绻麍?zhí)行上面這段代碼，前三個(gè)數(shù)是0，1和2，從第四個(gè)數(shù)開(kāi)始一直是10。如果你能看懂這個(gè)例子，一定能明白yield的含義。

yieldfrom

接下來(lái)要介紹的yieldfrom和yield用法差不多，也是從生成器返回一個(gè)結(jié)果，并且下次執(zhí)行的時(shí)候從返回的位置開(kāi)始繼續(xù)執(zhí)行。

但是它有一點(diǎn)和yield不同，我們來(lái)看一個(gè)經(jīng)典的例子。

defg1():

yieldrange(5)

defg2():

yieldfromrange(5)

it1=g1()

it2=g2()

forxinit1:

print(x)

forxinit2:

print(x)

這兩者打印出來(lái)的結(jié)果是一樣的，但是邏輯完全不同。在第一個(gè)生成器g1當(dāng)中，直接通過(guò)yield返回了一個(gè)迭代器。也就是說(shuō)我們for循環(huán)執(zhí)行的其實(shí)是range(5)，而第二個(gè)生成器g2則通過(guò)yieldfrom獲取了range(5)這個(gè)迭代器當(dāng)中的值進(jìn)行的返回。

也就是說(shuō)yieldfrom可以返回一個(gè)迭代器或者是生成器執(zhí)行next之后的結(jié)果。

最后，我們來(lái)看一個(gè)yieldfrom使用的一個(gè)經(jīng)典場(chǎng)景：二叉樹(shù)的遍歷：

classNode:

def__init__(self,key):

self.key=key

self.lchild=None

self.rchild=None

self.iterated=False

self.father=None

defiterate(self):

ifself.lchildisnotNone:

yieldfromself.lchild.iterate()

yieldself.key

ifself.rchildisnotNone:

yieldfromself.rchild.iterate()

在這個(gè)代碼當(dāng)中我們定義了二叉樹(shù)當(dāng)中的一個(gè)節(jié)點(diǎn)，以及它對(duì)應(yīng)的迭代方法。由于我們用到了yield來(lái)返回結(jié)果，所以iterate方法本質(zhì)是一個(gè)生成器。再來(lái)看iterate方法內(nèi)部，我們通過(guò)yieldfrom調(diào)用了iterate，所以我們?cè)趫?zhí)行的時(shí)候，它會(huì)自動(dòng)繼續(xù)解析node.lchild的iterate，也就是說(shuō)我們通過(guò)yieldfrom實(shí)現(xiàn)了遞歸。

當(dāng)我們建好樹(shù)之后，可以直接使用root.iterate來(lái)遍歷整棵樹(shù)。

classTree:

def__init__(self):

#建樹(shù)過(guò)程

self.root=Node(4)

self.root.lchild=Node(3)

self.root.lchild.father=self.root

self.root.rchild=Node(5)

self.root.rchild.father=self.root

self.root.lchild.lchild=Node(1)

self.root.lchild.lchild.father=self.root.lchild

self.root.rchild.rchild=Node(7)

self.root.rchild.rchild.father=self.root.rchild

defiterate(self):

yieldfromself.root.iterate()

通過(guò)yieldfrom，我們可以很輕松地利用遞歸的思路來(lái)實(shí)現(xiàn)樹(shù)上的生成器。從而可以很方便地以生成器的思路來(lái)遍歷樹(shù)上所有的元素。

到這里，關(guān)于Python當(dāng)中迭代器和生成器的知識(shí)就算是講完了，這兩者的概念有些接近，但是又不完全一樣，很多初學(xué)者容易搞混淆。

其實(shí)可以這么理解，迭代器和生成器遍歷元素的方式是一樣的，都是通過(guò)調(diào)用next來(lái)獲取下一個(gè)元素。我們通過(guò)yield創(chuàng)建函數(shù)，返回的結(jié)果其實(shí)就是生成器生成的數(shù)據(jù)的迭代器。也就是說(shuō)迭代器只是迭代和獲取數(shù)據(jù)的，但是并不能無(wú)中生有地創(chuàng)造數(shù)據(jù)。而生成器的主要作用是創(chuàng)造數(shù)據(jù)，它生成出來(lái)的數(shù)據(jù)是以迭代器的形式返回的。

舉個(gè)例子，你開(kāi)了一個(gè)奶茶店，通過(guò)奶茶店每個(gè)月可以在銀行賬戶(hù)里獲得一筆收入。迭代器就是這個(gè)賬戶(hù)，通過(guò)它你可以獲得一筆一筆的收入。而奶茶店則是一個(gè)生成器，它產(chǎn)出數(shù)據(jù)，但是是以迭代器的形式返回給你的，也就是以銀行賬戶(hù)的方式給你收入。我們拿到銀行卡并不知道它里面的錢(qián)是怎么賺來(lái)的，只能看到錢(qián)，也就是說(shuō)我們并不知道迭代器背后數(shù)據(jù)的邏輯。但是生成器我們是清楚的，因?yàn)殄X(qián)(生產(chǎn)邏輯)是我們親自賺來(lái)的。

以上內(nèi)容為大家介紹了Python當(dāng)中生成器和迭代器的使用，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。