一切从生成器开始，全面透视Python迭代对象与迭代器

2023-12-10 02:45:06

探索Python的编程世界，我们不可避免地会遇到迭代对象、迭代器、生成器等概念。它们都是Python中处理数据序列和集合的重要工具，但常常让人感到混淆。

在本文中，我们将以生成器为切入点，全面透视Python迭代对象、迭代器、生成器之间的异同，揭示生成器背后的工作原理，并提供清晰的理解角度。

一切从生成器开始

生成器是Python中一种特殊类型的迭代对象，它可以按需生成数据。这种按需生成的特性使得生成器非常适合处理大数据或无限数据，因为它可以避免一次性加载整个数据集合，从而节省内存空间和提高效率。

def generate_numbers(n):
    for i in range(n):
        yield i

上面的代码定义了一个生成器函数generate_numbers，它可以按需生成从0到n-1的整数。当我们调用generate_numbers(10)时，不会立即生成10个整数，而是每次调用next(generate_numbers(10))时，生成器才会生成一个整数。

迭代对象与迭代器

迭代对象是包含元素的集合，而迭代器是访问迭代对象中元素的工具。

my_list = [1, 2, 3, 4, 5]

# 获取迭代器
my_iterator = iter(my_list)

# 使用迭代器访问元素
print(next(my_iterator))  # 输出: 1
print(next(my_iterator))  # 输出: 2
print(next(my_iterator))  # 输出: 3

在上面的代码中，my_list是一个迭代对象，它包含了5个元素。iter(my_list)返回一个迭代器my_iterator，我们可以使用next(my_iterator)来访问my_list中的元素。

生成器与迭代器

生成器函数返回一个生成器对象，而生成器对象也是一个迭代器。也就是说，生成器既是迭代对象，也是迭代器。

def generate_numbers(n):
    for i in range(n):
        yield i

# 生成器对象也是迭代器
my_generator = generate_numbers(10)
print(next(my_generator))  # 输出: 0
print(next(my_generator))  # 输出: 1
print(next(my_generator))  # 输出: 2

在上面的代码中，generate_numbers(10)返回一个生成器对象my_generator，我们可以使用next(my_generator)来访问my_generator中的元素。

列表/集合/字典推导式

列表推导式、集合推导式和字典推导式是Python中用于快速创建列表、集合和字典的三种语法糖。它们本质上都是生成器表达式。

# 列表推导式
my_list = [i for i in range(10)]

# 集合推导式
my_set = {i for i in range(10)}

# 字典推导式
my_dict = {i: i**2 for i in range(10)}

在上面的代码中，[i for i in range(10)]是一个列表推导式，它返回一个包含0到9的整数的列表。{i for i in range(10)}是一个集合推导式，它返回一个包含0到9的整数的集合。{i: i**2 for i in range(10)}是一个字典推导式，它返回一个包含0到9的整数及其平方的字典。