Python 生成器
帶有 yield 的函數在 Python 中被稱之爲 generator(生成器),用斐波那契數列:
def fab(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1
執行:
1 2 3 4 5 6 7 8 9 | >>> for n in fab( 5 ): print n
1 1 2 3 5 |
簡單地講,yield 的作用就是把一個函數變成一個 generator,帶有 yield 的函數不再是一個普通函數,Python 解釋器會將其視爲一個 generator,調用 fab(5) 不會執行 fab 函數,而是返回一個 iterable 對象!在 for 循環執行時,每次循環都會執行 fab 函數內部的代碼,執行到 yield b 時,fab 函數就返回一個迭代值,下次迭代時,代碼從 yield b 的下一條語句繼續執行,而函數的本地變量看起來和上次中斷執行前是完全一樣的,於是函數繼續執行,直到再次遇到 yield。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次,每次中斷都會通過 yield 返回當前的迭代值。
也可以手動調用 fab(5) 的 next() 方法(因爲 fab(5) 是一個 generator 對象,該對象具有 next() 方法),這樣我們就可以更清楚地看到 fab 的執行流程:
1 2 3 4 5 6 7 8 9 10 11 12 13 | >>> f = fab( 3 ) >>> f.next() 1 >>> f.next() 1 >>> f.next() 2 >>> f.next() Traceback (most recent call last): File "<pyshell#62>" , line 1 , in <module> f.next() StopIteration |
return作用
在一個生成器中,如果沒有return,則默認執行到函數完畢;如果遇到return,如果在執行過程中 return,則直接拋出 StopIteration 終止迭代。例如
1 2 3 4 5 6 7 8 9 | >>> s = fab( 5 ) >>> s.next() 1 >>> s.next() Traceback (most recent call last): File "<pyshell#66>" , line 1 , in <module> s.next() StopIteration |
Python 迭代器
可迭代的 Iterable:
很多數據類型是可以通過for循環進行循環打印,就是可迭代的,如:str, list, dict, tuple, set等。
迭代器 Iterator :
包過生成器和 帶 yield 的 generator funcation。
對於原生支持隨機訪問的數據結構(如tuple、list),迭代器和經典for循環的索引訪問相比並無優勢,反而丟失了索引值(可以使用內建函數enumerate()找回這個索引值)。但對於無法隨機訪問的數據結構(比如set)而言,迭代器是唯一的訪問元素的方式。
另外,迭代器的一大優點是不要求事先準備好整個迭代過程中所有的元素。迭代器僅僅在迭代到某個元素時才計算該元素,而在這之前或之後,元素可以不存在或者被銷燬。這個特點使得它特別適合用於遍歷一些巨大的或是無限的集合
迭代器有兩個基本的方法
next方法:返回迭代器的下一個元素
__iter__方法:返回迭代器對象本身
定義迭代器
下面一個例子——斐波那契數列
class Fabs(object): def __init__(self,max): self.max = max self.n, self.a, self.b = 0, 0, 1 #特別指出:第0項是0,第1項是第一個1.整個數列從1開始 def __iter__(self): return self def next(self): if self.n < self.max: r = self.b self.a, self.b = self.b, self.a + self.b self.n = self.n + 1 return r raise StopIteration() print Fabs(5) for key in Fabs(5): print key
結果
1 2 3 4 5 6 | >>>
1 1 2 3 5 |
參考:http://www.cnblogs.com/kaituorensheng/p/3826911.html