python将list转换为迭代器代码_python怎么把list转换成迭代器next⽅法：返回迭代器的下⼀个元素
__iter__⽅法：返回迭代器对象本⾝
下⾯⽤⽣成斐波那契数列为例⼦，说明为何⽤迭代器
代码1
def fab(max):
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n = n + 1
直接在函数fab(max)中⽤print打印会导致函数的可复⽤性变差，因为fab返回None。其他函数⽆法获得fab函数返回的数列。
代码2
def fab(max):
L = []
n, a, b = 0, 0, 1
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1 return L
代码2满⾜了可复⽤性的需求，但是占⽤了内存空间，最好不要。
代码3
对⽐
for i in range(1000): pass
for i in xrange(1000): pass
前⼀个返回1000个元素的列表，⽽后⼀个在每次迭代中返回⼀个元素，因此可以使⽤迭代器来解决复⽤可占空间的问题
python怎么读文件class Fab(object):
def __init__(self, max):
self.max = max
self.n, self.a, self.b = 0, 0, 1
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()
执⾏
123456789
>>> for key in Fabs(5): print key 11235
Fabs 类通过 next() 不断返回数列的下⼀个数，内存占⽤始终为常数
1.2 使⽤迭代器
使⽤内建的⼯⼚函数iter(iterable)可以获取迭代器对象：
1234
>>> lst = range(5)>>> it = iter(lst)>>> it
使⽤next()⽅法可以访问下⼀个元素：
123456
>>> it.next()0>>> it.next()1>>> it.next()2
python处理迭代器越界是抛出StopIteration异常
123456789101112
>>> it.next()3>>> it.next>>> it.next()4>>> it.next() Traceback (most recent call last): File "", line 1, in it.next()StopIteration
了解了StopIteration，可以使⽤迭代器进⾏遍历了
lst = range(5)
it = iter(lst)try: while True:
val = it.next() print valexcept StopIteration: pass
结果
123456
>>>01234
事实上，因为迭代器如此普遍，python专门为for关键字做了迭代器的语法糖。在for循环中，Python将⾃动调⽤⼯⼚函数iter()获得迭代器，⾃动调⽤next()获取元素，还完成了检查StopIteration异常的⼯作。如下
>>> a = (1, 2, 3, 4)>>> for key in a: print key
1
2
3
4
⾸先python对关键字in后的对象调⽤iter函数迭代器，然后调⽤迭代器的next⽅法获得元素，直到抛出StopIteration异常。
1.3 定义迭代器
下⾯⼀个例⼦——斐波那契数列
# -*- coding: cp936 -*-class Fabs(object): def __init__(self,max):
self.max = max
self.n, self.a, self.b = 0, 0, 1 #特别指出：第0项是0，第1项是第⼀个1.整个数列从1开始
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
结果
123456
<__main__.fabs object at>11235
回到顶部
2. ⽣成器
带有 yield 的函数在 Python 中被称之为 generator(⽣成器)，⼏个例⼦说明下(还是⽤⽣成斐波那契数列说明)
可以看出代码3远没有代码1简洁，⽣成器(yield)既可以保持代码1的简洁性，⼜可以保持代码3的效果
代码4
def fab(max):
n, a, b = 0, 0, 1 while n < max: yield b
a, b = b, a + b
n = n + 1
执⾏
123456789
>>> for n in fab(5): print n 11235
简单地讲，yield 的作⽤就是把⼀个函数变成⼀个 generator，带有 yield 的函数不再是⼀个普通函数，Python 解释器会将其视为⼀个generator，调⽤ fab(5) 不会执⾏ fab 函数，⽽是返回⼀个 iterable 对象！在 for 循环执⾏时，每次循环都会执⾏ fab 函数内部的代码，执⾏到 yield b 时，fab 函数就返回⼀个迭代值，下次迭代时，代码从 yield b 的下⼀条语句继续执⾏，⽽函数的本地变量看起来和上次中断执⾏前是完全⼀样的，于是函数继续执⾏，直到再次遇到 yield。看起来就好像⼀个函数在正常执⾏的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
也可以⼿动调⽤ fab(5) 的 next() ⽅法(因为 fab(5) 是⼀个 generator 对象，该对象具有 next() ⽅法)，这样我们就可以更清楚地看到fab 的执⾏流程：
12345678910111213
>>> f = fab(3)>>> f.next()1>>> f.next()1>>> f.next()2>>> f.next() Traceback (most recent call last): File "", line 1, in
<()StopIteration
return作⽤
在⼀个⽣成器中，如果没有return，则默认执⾏到函数完毕；如果遇到return，如果在执⾏过程中 return，则直接抛出 StopIteration 终⽌迭代。例如
123456789
>>> s = fab(5)>>> s.next()1>>> s.next() Traceback (most recent call last): File "", line 1, in s.next()StopIteration
代码5 ⽂件读取
def read_file(fpath):
BLOCK_SIZE = 1024
with open(fpath, 'rb') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return
如果直接对⽂件对象调⽤ read() ⽅法，会导致不可预测的内存占⽤。好的⽅法是利⽤固定长度的缓冲区来不断读取⽂件内容。通过 yield，我们不再需要编写读⽂件的迭代类，就可以轻松实现⽂件读取。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论