# generator
def even_gen():
result = 0
while True:
yield result
result += 2
# generator expression
def even_genexp():
return (num for num in even_gen()) # or even_iter or even_getitem
# not much value under these circumstances
# iterator protocol
class even_iter():
def __init__(self):
self.value = 0
def __iter__(self):
return self
def __next__(self):
next_value = self.value
self.value += 2
return next_value
# getitem method
class even_getitem():
def __getitem__(self, index):
return index * 2
import random
for iterator in even_gen, even_genexp, even_iter, even_getitem:
limit = random.randint(15, 30)
count = 0
for even in iterator():
print even,
count += 1
if count >= limit:
break
print
class CustomRange:
def __init__(self, low, high):
self.low = low
self.high = high
def __getitem__(self, item):
if item >= len(self):
raise IndexError("CustomRange index out of range")
return self.low + item
def __len__(self):
return self.high - self.low
cr = CustomRange(0, 10)
for i in cr:
print(i)
0
这是一个没有 yield 的可迭代函数 . 它使用了 iter 函数和一个闭包,它将状态保存在python 2的封闭范围内的可变( list )中 .
def count(low, high):
counter = [0]
def tmp():
val = low + counter[0]
if val < high:
counter[0] += 1
return val
return None
return iter(tmp, None)
def count(low, high):
counter = 0
def tmp():
nonlocal counter
val = low + counter
if val < high:
counter += 1
return val
return None
return iter(tmp, None)
测试;
for i in count(1,10):
print(i)
1
2
3
4
5
6
7
8
9
3
如果你寻找简短的东西,也许它对你来说已经足够了:
class A(object):
def __init__(self, l):
self.data = l
def __iter__(self):
return iter(self.data)
用法示例:
In [3]: a = A([2,3,4])
In [4]: [i for i in a]
Out[4]: [2, 3, 4]
1
此页面上的所有答案都非常适合复杂的对象 . 但是对于包含内置可迭代类型作为属性的那些,如 str , list , set 或 dict ,或 collections.Iterable 的任何实现,您可以省略类中的某些内容 .
class Test(object):
def __init__(self, string):
self.string = string
def __iter__(self):
# since your string is already iterable
return (ch for ch in string)
它可以像:
for x in Test("abcde"):
print(x)
# prints
# a
# b
# c
# d
# e
class AlphaCounter:
def __init__(self, low, high):
self.current = low
self.high = high
def __iter__(self):
return self
def __next__(self): # Python 3: def __next__(self)
alpha = ' abcdefghijklmnopqrstuvwxyz'
n_current = sum([(alpha.find(self.current[x])* 26**(len(self.current)-x-1)) for x in range(len(self.current))])
n_high = sum([(alpha.find(self.high[x])* 26**(len(self.high)-x-1)) for x in range(len(self.high))])
if n_current > n_high:
raise StopIteration
else:
increment = True
ret = ''
for x in self.current[::-1]:
if 'z' == x:
if increment:
ret += 'a'
else:
ret += 'z'
else:
if increment:
ret += alpha[alpha.find(x)+1]
increment = False
else:
ret += x
if increment:
ret += 'a'
tmp = self.current
self.current = ret[::-1]
return tmp
for c in AlphaCounter('a', 'zzz'):
print(c)
9 回答
python中的迭代器对象符合迭代器协议,这基本上意味着它们提供了两种方法:
__iter__()
和next()
.__iter__
返回迭代器对象,并在循环开始时隐式调用 .next()
方法返回下一个值,并在每个循环增量处隐式调用 . 当没有更多值要返回时,next()
会引发一个StopIteration异常,这是由循环结构隐式捕获的,以便停止迭代 .这是一个简单的计数器示例:
这将打印:
使用生成器更容易编写,如前面的答案所述:
打印输出将是相同的 . 在引擎盖下,生成器对象支持迭代器协议,并执行与类Counter类似的操作 .
David Mertz的文章Iterators and Simple Generators是一个非常好的介绍 .
有四种方法可以构建迭代函数:
创建一个生成器(使用yield keyword)
使用生成器表达式(genexp)
创建一个迭代器(定义iter and next(或Python 2.x中的
next
))创建一个Python可以自己迭代的函数(defines getitem)
例子:
要查看所有四种方法:
结果如下:
Note :
两种发电机类型(
uc_gen
和uc_genexp
)不能是reversed()
;普通迭代器(uc_iter
)需要__reversed__
魔术方法(必须返回一个倒退的新迭代器);并且getitem iteratable(uc_getitem
)必须具有__len__
魔术方法:要回答Panic上校关于无限延迟评估迭代器的第二个问题,下面是这些例子,使用上述四种方法中的每一种:
结果导致(至少对于我的样本运行):
首先,itertools module对于迭代器很有用的各种情况非常有用,但是这里只需要在python中创建一个迭代器:
那不是很酷吗? Yield可用于替换函数中的正常 return . 它返回的对象是相同的,但它不是破坏状态和退出,而是为你想要执行下一次迭代时保存状态 . 以下是直接从itertools function list中提取的实例:
正如函数描述中所述(它是来自itertools模块的 count() 函数......),它产生一个迭代器,它返回以n开头的连续整数 .
Generator expressions是其他一整套蠕虫(真棒蠕虫!) . 它们可以用来代替List Comprehension以节省内存(列表推导在内存中创建一个列表,如果没有分配给变量就会在使用后被销毁,但生成器表达式可以创建一个生成器对象...这是一种奇特的说法迭代器) . 以下是生成器表达式定义的示例:
这与上面的迭代器定义非常相似,只是整个范围预定在0到10之间 .
我刚刚找到 xrange() (我以前没见过它感到很惊讶......)并将它添加到上面的例子中 . xrange() 是 range() 的可迭代版本,其优点是不预先构建列表 . 如果你有一个庞大的数据集来迭代并且只有这么多的内存来完成它将是非常有用的 .
我看到有些人在
__iter__
做了return self
. 我只想注意__iter__
本身可以是一个生成器(因此不需要__next__
并提高StopIteration
异常)当然,这里也可以直接生成一个生成器,但对于更复杂的类,它可能很有用 .
这个问题是关于可迭代的对象,而不是迭代器 . 在Python中,序列也是可迭代的,因此制作可迭代类的一种方法是使其行为类似于序列,即给它
__getitem__
和__len__
方法 . 我在Python 2和3上测试了这个 .这是一个没有
yield
的可迭代函数 . 它使用了iter
函数和一个闭包,它将状态保存在python 2的封闭范围内的可变(list
)中 .对于Python 3,闭包状态在封闭范围内保持不可变,
nonlocal
在本地范围内用于更新状态变量 .测试;
如果你寻找简短的东西,也许它对你来说已经足够了:
用法示例:
此页面上的所有答案都非常适合复杂的对象 . 但是对于包含内置可迭代类型作为属性的那些,如
str
,list
,set
或dict
,或collections.Iterable
的任何实现,您可以省略类中的某些内容 .它可以像:
受Matt Gregory的启发,这里的回答是一个更复杂的迭代器A,B,...,Z,AA,AB,...,ZZ,AAA,AAB,...,ZZY,ZZZ