<type'generator'>和<type'xrange'之間的差異

Question

我在很多文章/資料中看到xrange（num）是一個生成器/迭代器。我有幾個關於這方面的問題。

1. 我想知道的類型「x範圍」並鍵入「發電機」

2. 之間的確切區別，如果x範圍是一個迭代器/發電機，它應該具有的.next（）方法。我不明白爲什麼.next（）方法不適用於下面的情況。

   def generator(): 
       for i in xrange(20): yield i 
   

   在上述例子中，

   numbers = generator() 
       for i in numbers: 
        if i == 6: break 
   
       for i in numbers: 
        if i == 10: break 
        print i 
   
       >>> 7 
       8 
       9 
   
       >>> print numbers.next() 
       11 
   

   上述功能也保持爲真對的類型的對象生成：

   >>> numbers = (x for x in range(100)) 
   

   如果我做的xrange操作中，在循環開始從頭開始迭代，沒有next（）操作。我知道，我們可以做的聰明的辦法：

   for i in xrange(20): 
        if (#something): 
         var = i 
         break 
       #perform some operations 
       for i in range(var,20): 
        #Do something 
   

但我想循環VAR後繼續不使用VAR。

簡而言之，xrange是否有next（）類型的操作。如果是的話：'怎麼樣？' ，否則：'爲什麼？'

Answer 1

xrange是一個可迭代的，所以你可以調用iter來得到一個迭代器。

>>> x = xrange(20) 
>>> iterator = iter(x) 
>>> for i in iterator: 
...  if i == 6: break 
... 
>>> iterator.next() 
7 

Answer 2

此外，你應該明白一個迭代器和一個生成器是不是一回事。 可迭代的是實現__iter__方法的任何Python對象，該方法返回一個迭代器。迭代器還必須實現__iter__方法，但也需要執行next方法（Python 3中的__next__）。所以xrange是可迭代的，但不是迭代器。這裏是一個迭代器：

class NumberCounter(object): 
    def __init__(self, size): 
     self.size = size 
     self.start = 0 
    def __iter__(self): 
     return self 
    def next(self): 
     if self.start < self.size: 
      self.start += 1 
      return self.start 
     raise StopIteration 

在交互式解釋：

>>> nc6 = NumberCounter(6) 
>>> it = iter(nc6) 
>>> next(it) 
1 
>>> next(it) 
2 
>>> next(it) 
3 
>>> next(it) 
4 
>>> next(it) 
5 
>>> next(it) 
6 
>>> next(it) 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "<stdin>", line 11, in next 
StopIteration 
>>> for i in NumberCounter(6): 
...  print(i) 
... 
1 
2 
3 
4 
5 
6 
>>> 

生成器是一個Python結構，可幫助您輕鬆地創建迭代。

從docs：

發生器是創建迭代器的簡單而強大的工具。他們 是像常規函數一樣編寫的，但是隻要他們想返回數據就使用yield語句 。每調用一次next（）， 發生器就會從其停止的位置恢復（它記住所有數據值 值和上次執行的語句）...任何可以用發生器完成的 也可以用class爲基礎的迭代器，如前一節所述的 。什麼讓發電機如此緊湊， __iter __（）和next（）方法自動創建...在 除了自動方法創建和保存程序狀態，當 發電機終止，他們自動提出StopIteration。在 組合中，與編寫常規函數相比，這些功能可以輕鬆創建迭代器，而不需要更多的工作。

這裏是發電機：

def number_counter(x): 
    curr = 1 
    while curr <= x: 
     yield curr 
     curr += 1 

在交互式解釋：

>>> for i in number_counter(6): 
...  print(i) 
... 
1 
2 
3 
4 
5 
6 
>>> 

下面是另一個：

def wacky_gen(): 
    yield 88 
    yield 2 
    yield 15 

最後...

>>> for i in wacky_gen(): 
... print(i) 
... 
88 
2 
15 
>>> 

Answer 3

首先，你應該注意的x範圍對象不是發電機：

>>> xrange_obj = xrange(10000) 
>>> type(xrange_obj) 
xrange 
>>> gen_obj = (x for x in range(10000)) 
>>> type(gen_obj) 
generator 
>>> import types 
>>> isinstance(xrange_obj, types.GeneratorType) 
False 
>>> isinstance(gen_obj, types.GeneratorType) 
True 

這是可迭代的（但不是一個迭代器）

>>> iter(xrange_obj) 
<rangeiterator at 0x3e07f930> 
>>> iter(xrange_obj).next() 
0 

最後，我沒有看到它在目前的其他答案中提到，xrange不是一個生成器，但它自己的對象類型是因爲它支持特殊的方法來使其模仿range。

>>> xrange_obj[1] 
1 
>>> len(xrange_obj) 
10000 
>>> gen_obj[1] 
TypeError: 'generator' object has no attribute '__getitem__' 
>>> len(gen_obj) 
TypeError: object of type 'generator' has no len()