python生成器表达式

　　生成器表达式来源于迭代和列表解析的组合，生成器和列表解析类似，但是它使用尖括号而不是方括号

　　>>> # 列表解析生成列表

　　>>> [ x ** 3 for x in range(5)]

　　[0, 1, 8, 27, 64]

　　>>>

　　>>> # 生成器表达式

　　>>> (x ** 3 for x in range(5))

　　at 0x000000000315F678>

　　>>> # 两者之间转换

　　>>> list(x ** 3 for x in range(5))

　　[0, 1, 8, 27, 64]

　　一个迭代既可以被写成生成器函数，也可以被协程生成器表达式，均支持自动和手动迭代。而且这些生成器只支持一个active迭代，也就是说生成器的迭代器就是生成器本身。

　　迭代器(迭代就是循环)

　　迭代器包含有next方法的实现，在正确的范围内返回期待的数据以及超出范围后能够抛出StopIteration的错误停止迭代。

　　我们已经知道，可以直接作用于for循环的数据类型有以下几种：

　　一类是集合数据类型，如list,tuple,dict,set,str等

　　一类是generator，包括生成器和带yield的generator function

　　这些可以直接作用于for 循环的对象统称为可迭代对象：Iterable

　　可以使用isinstance()判断一个对象是否为可Iterable对象

　　>>> from collections import Iterable

　　>>> isinstance([], Iterable)

　　True

　　>>> isinstance({}, Iterable)

　　True

　　>>> isinstance('abc', Iterable)

　　True

　　>>> isinstance((x for x in range(10)), Iterable)

　　True

　　>>> isinstance(100, Iterable)

　　False

　　而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

　　所以这里讲一下迭代器

　　一个实现了iter方法的对象是可迭代的，一个实现next方法并且是可迭代的对象是迭代器。

　　可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

　　所以一个实现了iter方法和next方法的对象就是迭代器。

　　可以使用isinstance()判断一个对象是否是Iterator对象：

　　>>> from collections import Iterator

　　>>> isinstance((x for x in range(10)), Iterator)

　　True

　　>>> isinstance([], Iterator)

　　False

　　>>> isinstance({}, Iterator)

　　False

　　>>> isinstance('abc', Iterator)

　　False

　　生成器都是Iterator对象，但list、dict、str虽然是Iterable(可迭代对象)，却不是Iterator(迭代器)。

　　把list、dict、str等Iterable变成Iterator可以使用iter()函数：

　　>>> isinstance(iter([]), Iterator)

　　True

　　>>> isinstance(iter('abc'), Iterator)

　　True

　　你可能会问，为什么list、dict、str等数据类型不是Iterator?

　　这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

　　Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

　　以上内容为大家介绍了python生成器表达式，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注多测师。https://www.e70w.com/xwzx/