迭代器和生成器的学习笔记
迭代器
Python 迭代器是一种对象，它实现了迭代协议，包括 __iter__() 和 __next__() 方法。迭代器可以让你在数据集中逐个访问元素，而无需关心数据结构的底层实现。与列表或其他集合相比，迭代器可以节省内存，因为它们一次只生成一个元素。
迭代器的基本特点
- 懒加载：迭代器不会一次性将所有数据加载到内存中，而是根据需要生成元素。
- 状态保持：迭代器在迭代过程中会保持其状态，可以从上次停止的地方继续迭代。
- 可以遍历：迭代器是可遍历的，可以使用
for循环等结构来进行遍历。
下面的代码可以看出迭代器在节省内存方面的作用。
import sys
import random
# 生成 1-100的随机数的集合，共1000个元素
numbers = [random.randint(1, 100) for _ in range(1000)]
iterator = iter(numbers)
# 打印对象的内存大小
print(sys.getsizeof(numbers)) # 9016
print(sys.getsizeof(iterator)) # 48迭代器的经典demo：
# 创建一个简单的迭代器
class MyIterator:
def __init__(self, limit):
self.limit = limit
self.current = 0
def __iter__(self):
return self
def __next__(self):
if self.current < self.limit:
self.current += 1
return self.current
else:
raise StopIteration
# 使用迭代器
for num in MyIterator(5):
print(num)迭代器在读取大文件的经典应用：
with open('users.csv', 'r') as file:
for line in file:
print(line.strip())逐行读取文件内容，而不需要将整个文件加载到内存中。这种方法节省了内存资源，特别是在处理非常大的文件时。
生成器
生成器是一种特殊类型的迭代器，它允许你在函数中暂停执行并在以后继续。
使用 yield 的基本概念
-
生成器函数：当一个函数包含
yield语句时，它不再是一个普通的函数，而是一个生成器函数。当调用这个函数时，它不会立即执行，而是返回一个生成器对象。 -
状态保留：每次调用生成器的
__next__()方法（或者使用next()函数）时，生成器函数会从上次执行的位置继续执行，直到遇到下一个yield语句。在此时，函数的执行状态（包括局部变量）会被保留。 -
迭代：生成器可以被用于迭代，像普通的列表或其他可迭代对象一样。使用
for循环可以逐个获取生成器产生的值。
# 定义一个生成器函数
def read_users():
with open('users.csv', 'r') as file:
for line in file:
yield line.strip()
r1 = read_users() # 定义一个生成器对象
r2 = read_users() # 定义另一个生成器对象
print(next(r1))
print(next(r1))
print(next(r1))
print(next(r1))
print(next(r2))
print(next(r2))
print(next(r2))
print(next(r2))局部变量保留的demo
list1 = ['a', 'b', 'c', 'd', 'e', 'f']
def iterator():
i = 0
for x in list1:
yield do_something(i, x)
i += 1
def do_something(i, x):
print(i, x)
r1 = iterator() # 定义一个生成器对象
r2 = iterator() # 定义另一个生成器对象
next(r1)
next(r1)
next(r1)
next(r1)
next(r2)
next(r2)
next(r2)
next(r2)
next(r2)
运行结果：
0 a
1 b
2 c
3 d
0 a
1 b
2 c
3 d
4 e更深入理解yield的“暂停”
函数每次遇到yield就暂停，它并不在意yield时来自于循环、迭代或者是在函数体内重复定义的，这意味着一个函数中可以有不止一个yield，并且每次运行到yield时，函数就暂停运行，并保存中间结果和变量，直到下一次next()后继续运行。
list1 = ['a', 'b', 'c', 'd', 'e', 'f']
def iterator():
for x in list1:
yield print(x)
yield print(x)
yield print(x)
yield print(x)
r1 = iterator() # 定义一个生成器对象
next(r1)
next(r1)
next(r1)
next(r1)
next(r1)
next(r1)
# 运行结果：
# a
# a
# a
# a
# b
# b可以将yield理解为一个中断标志
可以将yield理解为一个中断标志，当生成器遇到 yield 语句时，它会暂停执行，并返回 yield 后面跟随的值或者函数。如果yield后面没有跟随内容，那么它就仅仅是一次暂停标志而已。
list1 = ['a', 'b', 'c', 'd', 'e', 'f']
def iterator():
i = 0
for x in list1:
print('loop', i)
yield
i += 1
print(x)
r1 = iterator() # 定义一个生成器对象
next(r1)
next(r1)
next(r1)
# 执行结果：
# loop 0
# a
# loop 1
# b
# loop 2
yield的灵活运用
既然函数每次遇到yield就暂停，它并不在意yield时来自于循环、迭代或者是在函数体内重复定义的，而且可以将yield理解为一个中断标志，那么我们也就可以生成一个不循环的函数，通过yield达到步进执行的效果。
list1 = ['a', 'b', 'c', 'd', 'e', 'f']
def iterator():
i = 0
print('breakpoint', i)
yield
i += 1
print('breakpoint', i)
yield
i += 1
print('breakpoint', i)
yield
i += 1
print('breakpoint', i)
yield
i += 1
print('breakpoint', i)
r1 = iterator() # 定义一个生成器对象
next(r1)
next(r1)
next(r1)
# 执行结果：
# breakpoint 0
# breakpoint 1
# breakpoint 2
注意可暂停和可迭代次数
要保证调用的次数不要大于可迭代次数或者可暂停次数，否则就会报错。
def iterator():
i = 0
print('breakpoint', i)
i += 1
yield
print('breakpoint', i)
i += 1
yield
r1 = iterator() # 定义一个生成器对象
next(r1)
next(r1)
next(r1)上面的例子，定义了两个yield，但是next（）调用了三次，所以出错。
list1 = [1, 2, 3]
def iterator():
for i in list1: # 遍历列表
yield print(i)
r1 = iterator() # 定义一个生成器对象
next(r1)
next(r1)
next(r1)
next(r1)
这个，由于调用次数大于了列表的元素数量，也会出错。
采取措施，避免程序崩溃
def iterator():
i = 0
print('breakpoint', i)
i += 1
yield
print('breakpoint', i)
i += 1
yield
r1 = iterator() # 定义一个生成器对象
def next_do():
try:
next(r1)
except StopIteration:
print("No more items to yield")
next_do()
next_do()
next_do()
next_do()
list1 = [1, 2, 3]
def iterator():
for i in list1: # 遍历列表
yield print(i)
r1 = iterator() # 定义一个生成器对象
def next_do():
try:
next(r1)
except StopIteration:
print("No more items to yield")
next_do()
next_do()
next_do()
next_do()
next_do()
# 运行结果：
# 1
# 2
# 3
# No more items to yield
# No more items to yield