2024年最全专题9 python之迭代器、生成器、推导式_生成器迭代器写整除，Python面试必问的HashMap

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

python之迭代器、生成器、推导式

• • • 迭代器
      • 生成器
      • • 定义生成器
          • 生成器的作用
          • yield from
      • 推导式
      • • 列表推导式
          • 生成器推导式
          • 字典推导式
          • 集合推导式
      • 总结
      • • 总结1
          • 总结2

迭代器

在《python基础》专栏中，我们介绍了python中的各种数据类型，每种数据类型我们都可以进行循环遍历，我们习惯把这种对象称为可迭代对象，那么到底什么是可迭代对象.我们现在就来讨论讨论可迭代对象.首先我们先回顾下我们熟知的可迭代对象有哪些:

str list tuple dic set 那为什么我们称他们为可迭代对象呢?因为他们都遵循了可迭代协议,那什么又是可迭代协议呢.首先我们先看一段代码:

s = 'abc'
for i in s:
    print(i)
#结果:
#a
#b
#c
错误的代码:
for i in 123:
    print(i)
#结果
#Traceback (most recent call last):
# File "D:/python\_object/二分法.py", line 62, in <module>
# for i in 123:
#TypeError: 'int' object is not iterable

注意看报错信息,报错信息中有这样一句话: ‘int’ object is not iterable 翻译过来就是整数类型对象是不可迭代的.

iterable表示可迭代的.表示可迭代协议 那么如何进行验证你的数据类型是否符合可迭代协议.我们可以通过dir函数来查看类中定义好的所有方法

a = 'abc'
print(dir(a))  # dir查看对象的方法和函数
# 在打印结果中寻找\_\_iter\_\_ 如果存在就表示当前的这个类型是个可迭代对象

我们刚刚测了字符串中是存在 iter 的,那我们来看看 列表,元祖,字典.集合中是不是有存在__iter__

# 列表
lst = [1,2]
print(dir(lst))
# 元祖
tuple = (1,2)
print(dir(tuple))
# 字典
dic = {'a':1,'b':2}
print(dir(dic))
# 集合
se = {1,2,3,4,4}
print(dir(se))

是不是发现以上都有__iter__,其实也可以这么说可以for循环的就有__iter__方法,包括range

print(dir(range))

这是查看一个对象是否是可迭代对象的第一种方法,我们还可以通过isinstence()函数来查看一个对象是什么类型的

l = [1,2,3]
l_iter = l.__iter__()
from collections import Iterable
from collections import Iterator
print(isinstance(l,Iterable)) #True #查看是不是可迭代对象
print(isinstance(l,Iterator)) #False #查看是不是迭代器
print(isinstance(l_iter,Iterator)) #True 
print(isinstance(l_iter,Iterable)) #True

通过上边的我们可以确定.如果对象中有__iter__函数,那么我们认为这个对象遵守了可迭代协议.就可以获取到相应的迭代器

这里的__iter__是帮助我们获取到对象的迭代器.我们使用迭代器中的__next__()来获取到一个迭代器的元素,那么我们之前所讲的for循环机制

s = "我爱北京天安⻔"
c = s.__iter__() # 获取迭代器
print(c.__next__()) # 使⽤迭代器进⾏迭代. 获取⼀个元素 我
print(c.__next__()) # 爱
print(c.__next__()) # 北
print(c.__next__()) # 京
print(c.__next__()) # 天
print(c.__next__()) # 安
print(c.__next__()) # ⻔
print(c.__next__()) # StopIteration

for循环是不是也可以,并且还不报错啊,其实上边就是for的机制,

我们使用while循环和迭代器来模拟for循环: 必须要会

lslst = [6,5,4]
l = lst.__iter__()
while True:
    try:
        i = l.__next__()
        print(i)
    except StopIteration
        break

注意: 迭代器不能反复,只能向下执行,并且是一次性的.获取过了就不能在获取了

生成器

首先我们来看看什么是个生成器,生成器它的本质就是迭代器

在python中有以下几种方式来获取生成器

• 通过生成器函数
• 通过各种推导式来实现生成器

首先,我们先看一个很简单的函数:

def func():    
    print(11)    
    return 22
ret = func()
print(ret)# 运行结果:1122

我们只需要修改一个地方就可以把函数变成生成器 就是将函数中的return换成yield就是生成器

定义生成器

def func():    
	print(11)    
	yield 22
func()

我们这样写没有任何的变化,这是为什么呢? 我们来看看函数名加括号获取到的是什么?

为什么不会执行呢??不是函数名加括号就是调用这个函数吗? 你想的没有问题,只是因为函数体中出现了yield

咱们可以理解为,生成器是基于函数的形式变成的.

我们func()这一步是在创建一个生成器,然后我们就可以赋值到别得变量中,然后进行使用了

def func():    
    print(11)    
    yield 22
ret = func()
print(ret)
# 运行结果:<generator object func at 0x000001A575163888>

获取的这个生成器.如何使用呢???

回想下迭代器是怎么使用的,再想想生成器的本质就是迭代器.我们是不是就可以直接使用迭代器的方式直接使用生成器啦

def func():     
    print("111")     
    yield 222
gener = func() 
# 这个时候函数不会执⾏. ⽽是获取到⽣成器
ret = gener.__next__()
# 这个时候函数才会执⾏. yield的作⽤和return⼀样. 也是返回数据
print(ret)
#结果:111222

那么我们可以看到,yield和return的效果是一样的,但是还是有点区别

• yield是分段来执行一个函数,yield可以出现多次
• return是直接停止这个函数,return可以出现多次但是只会执行到第一个就结束了

def func():    
	print("111")    
    yield 222    
    print("333")   
    yield 444
gener = func()
ret = gener.__next__()
print(ret)
ret2 = gener.__next__()
print(ret2)
ret3 = gener.__next__()
# 最后⼀个yield执⾏完毕. 再次\_\_next\_\_()程序报错
print(ret3)
#结果:111222333444

当程序运行完最后一个yield,那么后面继续运行__next__()程序会报错

好了生成器我们认识了,生成器有什么作用呢?

生成器的作用

我们来看一下这个需求,订购了10000个蛋糕.老板也全部都做出来了

def eat():    
	lst = []    
    for i in range(1,10000):        
        lst.append('包子'+str(i))    
    return lst
e = eat()
print(e)

这样做是没有问题,但是我们目前这么点人吃不完这么多,只能先放到一个地方，这样也不太好

最后是老板能够咱们吃一个他做一个.这样我们就不用考虑没地方放的问题了,咱们实现吃一个做一个

def eat():    
    for i in range(1,10000):        
        yield '包子'+str(i)
e=eat()
print(e.__next__())
print(e.__next__())
print(e.__next__())
print(e.__next__())
print(e.__next__())
print(e.__next__())

上下的区别: 第一种是直接都拿来,很占内存也就是很占咱们的位置,第二种使用生成器,想吃就拿一个.吃多少个包多少个.生成器是一个一个的,一直向下进行,不能向上.next()到哪,指针就指到哪儿.下一次继续就获取指针指向的值

对比显示:生成器的好处是节省内存

我们再来看一个和__next__类似的东西send()

send和__next__()一样都可以让生成器执行到下一个yield

def eat():    
    for i in range(1,10000):        
        a = yield '包子'+str(i)        
        print('a is',a)        
        b = yield '窝窝头'        
        print('b is', b)
e = eat()
print(e.__next__())
print(e.send('大葱'))
print(e.send('大蒜'))

send是将括号中的内容传给了上一yield,然后yield接收的值就可以赋值给变量

send和__next__()区别:

• send 和 next()都是让生成器向下走一次
• send可以给上一个yield的位置传递值, 在第一次执行生成器的时候不能直接使用send(),但是可以使用send(None)

yield from

在python3中提供一种可以直接把可迭代对象中的每一个数据作为生成器的结果进行返回

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！