深入理解Python迭代器：使用'__iter__”和'__next__”導航數據-Python教學-PHP中文網

深入理解Python迭代器：使用'__iter__”和'__next__”導航數據

Barbara Streisand

發布： 2024-11-29 09:53:13

原創

383 人瀏覽過

Deep Understanding on Python Iterators: Navigating Data with `__iter__` and `__next__`

迭代器是實現兩個方法的任何物件：

__iter__()：傳回迭代器物件本身。
__next__()：傳回序列中的下一項。當沒有更多項目可用時，它會引發 StopIteration 異常。

建立基本迭代器:

class Counter:
    def __init__(self, start, end):
        self.current = start
        self.end = end

    def __iter__(self):
        return self  # Returns itself as an iterator

    def __next__(self):
        if self.current >= self.end:
            raise StopIteration
        self.current += 1
        return self.current - 1

counter = Counter(1, 4)
for number in counter:
    print(number)  # Outputs: 1, 2, 3

登入後複製

此類手動控制 next() 調用，當到達末尾時停止。迭代器有利於處理按需處理每個元素的序列。

2. Python 生成器：高效處理大數據

生成器是建立迭代器的更簡單方法。透過使用yield 關鍵字的函數進行定義，它會在yield 處暫停函數執行，並在呼叫next() 時還原函數執行。每個yield語句都會保存函數的狀態，這表示它可以從中斷處繼續。

基本生成器範例:

def countdown(num):
    while num > 0:
        yield num
        num -= 1

for n in countdown(3):
    print(n)  # Outputs: 3, 2, 1

登入後複製

當呼叫yield時，函數傳回目前值並暫停，等待next()恢復。

3.為什麼生成器記憶體效率高

生成器即時計算值，稱為惰性求值。與將所有項目儲存在記憶體中的清單不同，生成器僅根據需要產生項目，這非常適合：

流資料（例如，從大檔案讀取行）。
處理大型或無限序列而不會造成記憶體過載。

範例：使用生成器讀取大檔案:

def read_large_file(file_path):
    with open(file_path) as file:
        for line in file:
            yield line  # Only processes one line at a time

登入後複製

這種方法可以防止將整個文件載入到記憶體中，這對於大量文件特別有用。

4.生成器表達式：緊湊語法

生成器表達式是建立生成器的一種簡潔方式，使用括號而不是像列表推導式那樣的方括號。

範例：

squares = (x * x for x in range(5))
print(next(squares))  # Outputs: 0
print(list(squares))  # Outputs remaining: [1, 4, 9, 16]

登入後複製

在這裡，squares 僅在請求時計算值，從而節省記憶體。

5.高級產生器的產量來自

yield from 語句對於將一個生成器的部分操作委託給另一個生成器非常有用。當您想要將生成器分解為子生成器以實現模組化時，這非常有用。

範例：

def generator_a():
    yield 1
    yield 2

def generator_b():
    yield from generator_a()
    yield 3

for val in generator_b():
    print(val)  # Outputs: 1, 2, 3

登入後複製

簡化程式碼的產量，特別是在複雜或嵌套的生成器鏈中。