Cookbook：4.迭代器和生成器
裴嘉良
0.迭代器和生成器
https://www.runoob.com/python3/python3-iterator-generator.html
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
迭代器有两个基本的方法：iter() 和 next()。
字符串，列表或元组对象都可用于创建迭代器：
>> list=[1,2,3,4]
>>> it = iter(list) # 创建迭代器对象
>>> print(next(it)) # 输出迭代器的下一个元素
1
>>> print(next(it))
2
可用for循环输出，也可用while Try except 加next函数输出
创建一个迭代器
把一个类作为一个迭代器使用需要在类中实现两个方法 iter() 与 next() 。
iter() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 next() 方法并通过 StopIteration 异常标识迭代的完成。
next() 方法会返回下一个迭代器对象。
1.手动访问迭代器元素
next()函数
with open('/etc/passwd') as f:
try:
while True:
line = next(f)
print(line,end=' ')
except StopIteration:
pass
2.委托迭代
3.用生成器创建新迭代模式
自定义一个迭代模式，区别于内建函数如range(),reserved()
可用生成器函数来定义
def frange(start, stop, increment):
x = start
while x < stop:
yield x
x+=increment
要使用这个函数，可用for，或者如sum, list
for n in frange(0,4,0.5):
print(n)
函数只要出现yield就转变成生成器
c=frange()#此时c为对象
next(c) #即可调用
4.实现迭代协议
迭代器实现DFS
class Node:
def __init__(self, value):
self._value = value
self._children = []
def __repr__(self):
return 'Node({!r})'.format(self._value)
def add_child(self, node):
self._children.append(node)
def __iter__(self):
return iter(self._children)
def depth_first(self):
yield self
for c in self:
yield from c.depth_first()
if __name__ =='__main__':
root=Node(0)
child1=Node(1)
child2=Node(2)
root.add_child(child1)
root.add_child(child2)
child1.add_child(Node(3))
child1.add_child(Node(4))
child2.add_child(Node(5))
for ch in root.depth_first():
print(ch)
D:\Anaconda\envs\pycharmProjects\python.exe D:/pycharmProjects/main.py
Node(0)
Node(1)
Node(3)
Node(4)
Node(2)
Node(5)
python迭代协议要求_iter_()返回一个特殊的迭代器对象，该对象必须实现_next_()方法
cookbook P119还有内容
5.反向迭代
reversed()函数
a = [1,2,3,4]
for x in reversed(a):
print(x)
4
3
2
1
前提是：待处理对象拥有可确定大小，或者对象满足了_reversed_()特殊方法,r如不满足，需要先转换为列表：
f=open('file')
for line in reversed(list(f)):
print(line,end=' ')
#注意此方法会消耗大量内存
自己定义一个反向迭代器更高效
class Countdown:
def __init__(self,start):
self.start=start
def __iter__(self):
n =self.start
while n > 0:
yield n
n -= 1
def __reversed__(self):
n = 1
while n <= self.start:
yield n
n += 1
6.定义带有额外状态的生成器函数
想让生成器将状态暴露给用户
#'filename ： iteration.py'
from collections import deque
class linehistory:
def __init__(self,lines,histlen=3):
self.lines = lines
self.history=deque(maxlen=histlen)
def __iter__(self):
for lineno,line in enumerate(self.lines,1):
self.history.append((lineno, line))
yield line
def clear(self):
self.history.clear()
from iteration import linehistory
with open('somefile.txt') as f:
lines = linehistory(f) #将文件传入给类，创建对象 lines
for line in lines: #对象 按行检测
if 'python' in line: #如果有该字符串
for lineno,hline in lines.history: #打印lineno和hline
print('{}:{}'.format(lineno,hline),end=' ')
D:\Anaconda\envs\pycharmProjects\python.exe D:/pycharmProjects/main2.py
1:we sant sd as we do
2:as python in les
cookbook P123
7.迭代器作切片操作
itertools.islice()
def count(n):
... while True:
... yield n
... n +=1
...
c =count(0)
c[10,20]
Traceback (most recent call last):
File "<input>", line 1, in <module>
TypeError: 'generator' object is not subscriptable
import itertools
for x in itertools.islice(c,10,20):
... print(x)
...
10
11
12
13
14
15
16
17
18
19
8.跳过可迭代对象的前一部分元素
itertools.dropwhile()
只要提供一个函数和一个可迭代对象即可。
with open('') as f:
for line in dropwhile(lambda line:line.startswith('#'),f):
print(line,end=' ')
用islice也可以，前提是知道跳过几行：
items =['a','b','c',1,2,3,4]
for x in itertools.islice(items,3,None): #即从第四个元素到最后
print(X)
9.迭代所有可能组合和排列
itertools.permutations()
接受一个元素集合，将其中所有元素重排列为所有可能情况，以元组形式返回
items = ['a','b','c']
from itertools import permutations
for p in permutations(items):
... print(p)
...
('a', 'b', 'c')
('a', 'c', 'b')
('b', 'a', 'c')
('b', 'c', 'a')
('c', 'a', 'b')
('c', 'b', 'a')
#第二个参数为可选长度 (items,2)
itertools.combinations()
产生所有组合形式,不重复，无顺序
from itertools import combinations
for c in combinations(items,3):
... print(c)
...
('a', 'b', 'c')
for c in combinations(items,2):
... print(c)
...
('a', 'b')
('a', 'c')
('b', 'c')
itertools.combinations_with_replacement() 解除了元素不重复限制
10.以索引-值对形式迭代序列
enumerate()
迭代同时返回元素索引
my_list=['a','c','e']
for idx, val in enumerate(my_list):
... print(idx, val)
...
0 a
1 c
2 e
规范行号：
enumerate(my_list,1) 从1 开始
练习：跟踪文件错误信息行号
cookbook P130
11.同时迭代多个序列
zip()
zip(x,y) 的原理是创建出一个迭代器，产生元组（）
i1=[,,,,,,]
i2=[,,,]
for x,y in zip(i1,i2):
print(x,y)
#输出结果与最短的序列长
#如果要与最长的匹配：
itertools.zip_longest()
#用于创建字典
s = dict(zip(list1,list2))
#zip也可接受3个序列的
12.在不同的容器中迭代
itertools.chain()
它接受一系列可迭代对象，并返回一个迭代器
13.创建处理数据的管道
有海量的数据但没法完全加载到内存。
生成器函数是实现管道机制的好方法，假设我们有个超大的目录：
foo/
access-log-0127007.gz
access-log-0227007.gz
access-log-0327007.gz
...
bar/
access-log-0117007.gz2
access-log-0127022.gz
定义一个小型生成器函数，每个函数执行特定的独立任务
import os
import fnmatch
import gzip
import bz2
import re
def gen_find(fillepat,top):
'''
Find all fillnames in a directory tree that match a shell wildcard patternn
'''
for path, dirlist, filelist in os.walk(top):
for name in fnmatch.filter(filelist,filepat):
yield os.path.join(path,name)
def gen_opener(filenames):
for filename in filenames:
if filename.endswith('.gz'):
f = gzip.open(filename,'rt')
elif filename.endswith('.bz2'):
f = bz2.open(filename,'rt')
else:
f = open(filename,'rt')
yield f
f.close()
未完
p136
14.扁平化处理嵌套型的序列
15.合并多个有序序列，再迭代
heapq.merge()
import heapq
a = [1, 4, 7, 10]
b = [2, 5, 6, 11]
for c in heapq.merge(a,b):
print(c)
heapq.merge的迭代性质意味着它对所有提供的序列都不会做一次读取，这样可以处理非常长的序列，开销很小
import heapq
with open('','rt') as file1, \
open('','rt') as file2,\
open('','rt')as out_file:
for line in heapq.merge(file1,file2):
outf.write(line)
16.用迭代器取代while循环
在设计io的程序中，编写这样的代码是很常见的：
CHUNKSIZE=8192
def reader(s):
while True:
data = s.recv(CHUNKSIZE)
if data =='b':
break
process_data(data)
用iter替代：
def reader(s):
for chunk in iter(lambda: s.recv(CHUNKSIZE),b''):
process_data(data)
附录：heapq模块
它包含6个函数，其中前4个与堆操作直接相关。必须使用列表来表示堆对象本身。
**模块heapq中一些重要的函数**
函 数 描 述
heappush(heap, x) 将x压入堆中
heappop(heap) 从堆中弹出最小的元素
heapify(heap) 让列表具备堆特征即位置i处的元素总是大于位置i // 2处的元素（反过来说就是小于位置2 * i和2 * i + 1处的元素）。
heapreplace(heap, x) 弹出最小的元素，并将x压入堆中
nlargest(n, iter) 返回iter中n个最大的元素
nsmallest(n, iter) 返回iter中n个最小的元素
import heapq
from random import shuffle
data=list(range(10))
shuffle(data)
heap=[]
for n in data:
heappush(heap, n)
heappush(heap,0.5) #随机插入0.5
元素的排列顺序并不像看起来那么随意。它们虽然不是严格排序的，但必须保证一点：位置i处的元素总是大于位置i // 2处的元素（反过来说就是小于位置2 * i和2 * i + 1处的元素）。这是底层堆算法的基础，称为堆特征（heap property）
类似资料：