俄羅斯：將審查iPhone等外國公司設備 保數據安全
iPhone和特斯拉都屬于在各自領域領頭羊的品牌，推出的產品也也都是數一數二的，但對于一些國家而言，它們的產品可靠性和安全性還是在限制范圍內。近日，俄羅斯聯邦通信、信息技術
今天，我們來討論Python的yield、Iterator和generator，它們可以在許多教程中看到，但總是引起一些混淆。
今天，我們來討論Python的yield、Iterator和generator，它們可以在許多教程中看到，但總是引起一些混淆。
就像decorators一樣，這三個概念是緊密聯系在一起的。例如，如果你想知道什么是yield，你必須首先了解什么是generator。但在理解generator之前，你又必須理解iterator是什么，但在理解iterator之前，您必須要知道iterable對象是什么。他們的關系如下圖：
可迭代是指能夠通過迭代的方法遍歷的對象，比如列表、字符串、元組、字典、集合等等。簡單的例子：
mylist = [1, 2, 3]for i in mylist: print(i)讓我們看看Python解釋器在遇到迭代操作時如何處理迭代，例如for ... in x
因此具有 __iter__ 方法或 __getitem__方法的對象通常稱為可迭代對象。
mylist = [1, 2, 3]mylistMethod = dir(mylist)print(mylistMethod) #查看mylist的方法print('__iter__' in dir(mylist) or '__getitem__' in dir(mylist)) # Truefrom collections import Iterablemylist = [1, 2, 3]print(isinstance(mylist, Iterable)) # True迭代器是一個包含可數數量值的對象。它可以迭代，這意味著您可以遍歷所有值。讓我們看一個迭代器示例：
for i in range(5): print(i) # 0 1 2 3 4像這樣，一個個打印元素的過程就叫可迭代的，這個過程也是我們日常代碼編寫中接觸最多的操作。
簡單來說，帶有next()方法的可迭代對象就是一個迭代器，或者說一個可迭代對象和一個迭代器的關系是：Python從一個可迭代對象中獲取一個迭代器。具體關系如下圖：
所以上面提到的列表、字符串等不是迭代器。但是，您可以使用Python內置 iter()函數來獲取它們的迭代器對象。讓我們使用迭代器模式來重寫前面的例子：
mylist = [1,2,3]it = iter(mylist) # 獲取迭代器對象while True: try: print(next(it)) except StopIteration: print("Stop iteration!") break在上面的代碼中，我們首先使用iterable對象mylist來構造迭代器it，并不斷調用迭代器上的next()函數來獲取下一個元素。如果沒有字符，迭代器將拋出 StopIteration 異常并退出循環。
Python 提供了一個生成器來創建迭代器函數。生成器是一種特殊類型的函數，它不返回單個值，而是返回一個包含一系列值的迭代器對象。在生成器函數中，使用 yield 語句而不是 return 語句。
現在我們已經知道for循環背后的機制了，但是如果數據量太大，比如for i in range(1000000)，使用for循環將所有的值存儲在內存中不僅占用大量的存儲空間 但是如果我們只需要訪問前幾個元素，空間就浪費了。在這種情況下，我們可以使用 generator 。
生成器的思路是，我們不需要一次性把這個列表全部創建出來，只需要記住它的創建規則，然后在需要用到的時候，再一次次的計算和創建。我們來看一個例子：
my_generator = (x*x for x in range(10))for i in my_generator: print(i) # 0 1 4 9 16 25 36 49 64 81my_generator 是一個生成器，它的每一個元素都是一個生成器對象。我們可以使用 next()函數來獲取下一個元素。
簡單來說，你可以把yield當成return，但它返回的是一個生成器。記住，剛開始學習的時候不需要了解這個yield是什么，但是一定要了解它的運行機制！讓我們看一下下面的代碼片段：
def test(): print("First") yield 1 print("Second") yield 2 print("Third") yield 3my_generator = test() # 創建生成器print(type(my_generator)) # <class 'generator'>我們可以在這里看到如果一個函數使用 yield 作為返回值，那么它就變成了一個生成器函數。與普通函數不同，生成器函數被調用后，函數體中的代碼不會立即執行（執行my_generator=test()后不打印任何值），而是返回一個生成器！正如我們前面提到的：generator 是迭代器，而 yield 可以被視為 return ，不難猜測下面代碼的結果：
def test(): print("First") yield 1 print("Second") yield 2 print("Third") yield 3for item in test(): print(item)# 輸出："""First1Second2Third3"""next 函數是如何運行的？
def test(): print("First") yield 1 print("Second") yield 2 print("Third") yield 3my_generator = test() # 創建生成器a = next(my_generator) # Firstprint(a) # 1b = next(my_generator) # Secondprint(b) # c = next(my_generator) # Thirdprint(c) # 3d = next(my_generator) # StopIterationprint(d) # error每次調用next(my_generator)，只跑到yield位置就停止，下次再跑，從上次結束的位置開始！并且生成器的長度取決于在函數中定義 yield 的次數。看起來也很好理解呢。
如果理解了上面的 yield 函數示例，讓我們繼續看一個更復雜的示例，該生成器可以接受參數。
def simple_gen(a): print('-> Started: a =', a) b = yield a print('-> Received: b =', b) c = yield a + b print('-> Received: c =', c)gen = simple_gen(14)next(gen) # -> Started: a = 14next(gen) # ？next(gen) # ？運行結果如圖：
發生了什么？？從第一次 next(gen) 調用開始，它在 yield a 處停止，然后當您再次調用 next(gen) 時，b 實際上是 None 值，這導致了異常。
b 為什么是 None 值？因為我們在 yield a 處沒有接收到任何值，所以 b 就是 None 值。要想接收值，
要繼續，您需要使用 send() 函數：生成器發送（值）恢復執行并將值“發送”到生成器函數中。value 參數成為當前 yield 表達式的結果。send() 方法返回生成器生成的下一個值，或者如果生成器退出而沒有生成另一個值則引發 StopIteration。
怎么理解send() 函數？一個帶參數的 next()，接收參數，執行yield，然后返回值。
def simple_gen(a): print('-> Started: a =', a) b = yield a print('-> Received: b =', b) c = yield a + b print('-> Received: c =', c)gen = simple_gen(14)next(gen) # -> Started: a = 14gen.send(15) # Received: b = 15 # send 15 to generator，并執行下一步 send包含next的yield小思考：
本文鏈接：http://www.www897cc.com/showinfo-26-54006-0.html10分鐘了解Python黑魔法 Yield、Iterator、Generator
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： Python玩轉二維碼，炫酷!
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號