Iteraveis e geradores

Luciano Ramalho
luciano@ramalho.org
@ramalhoorg

Iteráveis, geradores & cia:
o caminho pythonico

Comparando: C e Python
#include <stdio.h>

int main(int argc, char *argv[]) {
int i;
for(i = 0; i < argc; i++)
printf("%sn", argv[i]);
return 0;
} import sys

for arg in sys.argv:
print arg @ramalhoorg

Iteração em Java

class Argumentos {
public static void main(String[] args) {
for (int i=0; i < args.length; i++)
System.out.println(args[i]);
}
}

$ java Argumentos alfa bravo charlie
alfa
bravo
charlie @ramalhoorg

Iteração em Java ≥1.5 ano:
2004

• Enhanced for (for melhorado)
class Argumentos2 {
for (String arg : args)
System.out.println(arg);
}
}

$ java Argumentos2 alfa bravo charlie
alfa
bravo
charlie @ramalhoorg

Iteração em Java ≥1.5 ano:
2004

• Enhanced for (for melhorado)
class Argumentos2 {
for (String arg : args)
System.out.println(arg);
}
}
ano:
import sys 1991

for arg in sys.argv:
print arg @ramalhoorg

Exemplos de iteração

• Iteração em Python não se limita a tipos primitivos
• Exemplos
• string
• arquivo
• Django QuerySet
@ramalhoorg

>>> from django.db import connection
>>> q = connection.queries
>>> q
[]
>>> from municipios.models import *
>>> res = Municipio.objects.all()[:5]
>>> q
[]
>>> for m in res: print m.uf, m.nome
...
GO Abadia de Goiás demonstração:
MG Abadia dos Dourados
GO Abadiânia queryset é um
MG Abaeté iterável lazy
PA Abaetetuba
>>> q
[{'time': '0.000', 'sql': u'SELECT
"municipios_municipio"."id", "municipios_municipio"."uf",
"municipios_municipio"."nome",
"municipios_municipio"."nome_ascii",
"municipios_municipio"."meso_regiao_id",
"municipios_municipio"."capital",
"municipios_municipio"."latitude",
"municipios_municipio"."longitude",
"municipios_municipio"."geohash" FROM "municipios_municipio"
ORDER BY "municipios_municipio"."nome_ascii" ASC LIMIT 5'}]

Em Python o comando for
itera sobre... “iteráveis”
• Deﬁnicão preliminar informal:
• “iterável” = que pode ser iterado
• assim como:
“desmontável” = que pode ser desmontado
• Iteráveis podem ser usados em outros contextos
além do laço for

@ramalhoorg

List comprehension
List comprehensions ● Compreensão de lista ou abrangência
● Exemplo: usar todos os elementos:
• Expressões que consomem L2 = [n*10 for n in L]
– iteráveis e

produzem listas
qualquer iterável
resultado: uma lista

>>> s = 'abracadabra'
>>> l = [ord(c) for c in s]
>>> [ord(c) for c in s]
[97, 98, 114, 97, 99, 97, 100, 97, 98, 114, 97]

≈ notação matemática de conjuntos
@ramalhoorg

Set & dict comprehensions
• Expressões que consomem iteráveis e
produzem sets ou dicts

>>> s = 'abracadabra'
>>> {c for c in s}
set(['a', 'r', 'b', 'c', 'd'])
>>> {c:ord(c) for c in s}
{'a': 97, 'r': 114, 'b': 98, 'c': 99, 'd': 100}

@ramalhoorg

Tipos iteráveis embutidos
• basestring • frozenset
• str • list
• unicode • set
• dict • tuple
• ﬁle • xrange
@ramalhoorg

Funções embutidas que
consomem iteráveis
• all • max
• any • min
• ﬁlter • reduce
• iter • sorted
• len • sum
• map • zip
@ramalhoorg

Operações com iteráveis
>>> a, b, c = 'XYZ'
• Desempacotamento >>>
'X'
a

de tupla >>> b
'Y'

• em atribuições >>>
'Z'
>>>
c

g = (n for n in [1, 2, 3])
• em chamadas de funções >>>
>>>
a, b, c = g
a
>>> def soma(a, b): 1
... return a + b >>> b
... 2
>>> soma(1, 2) >>> c
3 3
>>> t = (3, 4)
>>> soma(t)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: soma() takes exactly 2 arguments (1 given)
>>> soma(*t)
@ramalhoorg
7

Em Python, um iterável é...
• Um objeto a partir do qual a função iter
consegue obter um iterador.
• A chamada iter(x):
• invoca x.__iter__() para obter um iterador
• ou, se x.__iter__ não existe:
• fabrica um iterador que acessa os itens de x
sequenciamente: x[0], x[1], x[2] etc.
@ramalhoorg

Trem:
uma sequência de vagões
trem

trem[0]
Curiosidade:
sequências eram chamadas
“trains” na linguagem ABC,
antecessora de Python
@ramalhoorg

Trem:
uma sequência de vagões
>>> t = Trem(4)
>>> len(t) >>> for vagao in t:
4 ... print(vagao)
>>> t[0] vagao #1
'vagao #1' vagao #2
>>> t[3] vagao #3
'vagao #4' vagao #4
>>> t[-1]
'vagao #4'
>>> t[4]
...
IndexError: vagao inexistente [4]

@ramalhoorg

Protocolo de sequência
class Trem(object):

def __init__(self, vagoes):
self.vagoes = vagoes

def __getitem__(self, pos):
indice = pos if pos >= 0 else self.vagoes + pos
if 0 <= indice < self.vagoes: # indice 2 -> vagao #3
return 'vagao #%s' % (indice+1)
else:
raise IndexError('vagao inexistente [%s]' % pos)

@ramalhoorg

>>> t = Trem(4)
>>> t[0]
'vagao #1'
>>> t[3]
'vagao #4' __getitem__
>>> t[-1]
'vagao #4'
>>> for vagao in t:
... print(vagao)
vagao #1
__getitem__
vagao #2
vagao #3
vagao #4

@ramalhoorg

• protocolo é uma interface informal
• pode se implementado parcialmente
class Trem(object):

def __init__(self, num_vagoes):
self.num_vagoes = num_vagoes

indice = pos if pos >= 0 else self.num_vagoes + pos
if 0 <= indice < self.num_vagoes: # indice 2 -> vagao #3
else:
raise IndexError('vagao inexistente [%s]' % pos)

@ramalhoorg

Sequence
ABC
• Abstract Base Class
from collections import Sequence

class Trem(Sequence):


def __len__(self):
return self.vagoes

indice = pos if pos >= 0 else self.vagoes + pos
if 0 <= indice < self.vagoes: # indice 2 -> vagao #3
else:
raise IndexError('vagao inexistente [%s]' % pos) @ramalhoorg

Herança de
Sequence
>>> t = Trem(4)
>>> 'vagao #2' in t
True
>>> 'vagao #5' in t
False
>>> for i in reversed(t): print i
...
vagao #4 from collections import Sequence
vagao #3
vagao #2 class Trem(Sequence):
vagao #1
>>> t.index('vagao #2') def __init__(self, vagoes):
1 self.vagoes = vagoes
>>> t.index('vagao #7')
Traceback (most recent call last): def __len__(self):
return self.vagoes
...
ValueError @ramalhoorg

Interface
Iterable
• Iterable provê um método
__iter__

• O método __iter__ devolve
uma instância de Iterator
• Você normalmente não chama __iter__, quem
chama é o Python
• mas se precisar, use iter(x)
@ramalhoorg

Interface
Iterator
• Iterable provê um método
next Python 2
ou
__next__ Python 3

• next/__next__ devolve o próximo item
• Você normalmente não chama __next__
• mas se precisar, use next(x) Python ≥ 2.6
@ramalhoorg

Iterator é...
• um padrão de projeto

Design Patterns
Gamma, Helm, Johnson & Vlissides
Addison-Wesley,
ISBN 0-201-63361-2

@ramalhoorg

Head First
Design Patterns
Poster
O'Reilly,
ISBN 0-596-10214-3

@ramalhoorg

O padrão
Iterator permite
acessar os itens
de uma coleção
sequencialmente,
isolando o cliente
da implementação
da coleção.
Head First
Design Patterns
Poster
O'Reilly,
ISBN 0-596-10214-3

@ramalhoorg

Trem class Trem(object):

com def __init__(self, vagoes):

iterator def __iter__(self):
return IteradorTrem(self.vagoes)

class IteradorTrem(object):

self.atual = 0
self.ultimo_vagao = vagoes - 1

def next(self):
if self.atual <= self.ultimo_vagao:
>>> t = Trem(4) self.atual += 1
>>> for vagao in t: return 'vagao #%s' % (self.atual)
... print(vagao) else:
vagao #1
raise StopIteration()
vagao #2
vagao #3
vagao #4 @ramalhoorg

Trem
class Trem(object):


com def __iter__(self):

iterator

self.atual = 0

def next(self):
self.atual += 1
return 'vagao #%s' % (self.atual)

iter(t) else:

• for vagao in t:
>>> t = Trem(4)
>>> for vagao in t:
• invoca iter(t)
... print(vagao)
vagao #1
• devolve IteradorTrem
vagao #2
vagao #3
vagao #4 @ramalhoorg

Trem
class Trem(object):


com def __iter__(self):

iterator

self.atual = 0

def next(self):
self.atual += 1

next(it_trem) else:

• for vagao in t:
>>> t = Trem(4)
>>> for vagao in t:
• invoca iter(t)
... print(vagao)
vagao #1
• devolve IteradorTrem
vagao #2
vagao #3 • invoca next(it_trem) até que
vagao #4 ele levante StopIteration
@ramalhoorg

Em Python, um iterável é...
• Um objeto a partir do qual a função iter
consegue obter um iterador.
• A chamada iter(x): interface Iterable

• invoca x.__iter__() para obter um iterador
• ou, se x.__iter__ não existe:
• fabrica um iterador que acessa os itens de x
sequenciamente: x[0], x[1], x[2] etc.
protocolo de sequência @ramalhoorg

Iteração em C (exemplo 2)
#include <stdio.h>

int main(int argc, char *argv[]) {
int i;
for(i = 0; i < argc; i++)
printf("%d : %sn", i, argv[i]);
return 0;
}
$ ./args2 alfa bravo charlie
0 : ./args2
1 : alfa
2 : bravo
3 : charlie @ramalhoorg

Iteração em Python (ex. 2)
não
import sys
Pythonico!
for i in range(len(sys.argv)):
print i, ':', sys.argv[i]

$ python args2.py alfa bravo charlie
0 : args2.py
1 : alfa
2 : bravo

import sys Pythonico!
for i, arg in enumerate(sys.argv):
print i, ':', arg

$ python args2.py alfa bravo charlie
0 : args2.py
1 : alfa
2 : bravo

import sys isso constroi
um gerador
for i, arg in enumerate(sys.argv):
print i, ':', arg
o gerador produz uma
o gerador é um iterável preguiçoso!
tupla (indice, item)
sob demanda $ python args2.py alfa bravo charlie
a cada iteração 0 : args2.py
1 : alfa
2 : bravo

Como >>> e = enumerate('Turing')

funciona >>> e
<enumerate object at 0x...>
>>> next(e)

enumerate (0, 'T')
>>> next(e) constroi
isso
(1, 'u') um gerador
>>> next(e)
enumerate (2, 'r')
constroi >>> next(e)
um gerador (3, 'i')
>>> next(e)
o gerador produz uma (4, 'n')
tupla (indice, item) >>> next(e)
a cada next(e) (5, 'g')
>>> next(e)
Traceback (most recent...):
...
StopIteration @ramalhoorg

Iterator x generator
• Gerador é uma generalização do iterador
• Por deﬁnição, um objeto iterador produz itens
iterando sobre outro objeto (alguma coleção)
• Um gerador é um iterável que produz itens sem
necessariamente acessar uma coleção
• ele pode iterar sobre outro objeto mas também
pode gerar itens por contra própria, sem
qualquer dependência externa (ex. Fibonacci)
@ramalhoorg

Função >>> def gen_123():
... yield 1

geradora ...
...
...
yield 2
yield 3

>>> for i in gen_123(): print(i)
1
2
3
• Quaquer função >>> g = gen_123()
>>> g
que tenha a palavra <generator object gen_123 at ...>
>>> next(g)
reservada yield em 1
seu corpo é uma >>> next(g)
2
função geradora >>> next(g)
3
>>> next(g)
...

Objeto >>> def gen_123():
... yield 1

gerador ...
...
...
yield 2
yield 3

1

• Quando invocada, a
2
3
>>> g = gen_123()
função geradora >>> g
devolve um <generator object gen_123 at ...>
>>> next(g)
objeto gerador 1
>>> next(g)
2
>>> next(g)
3
>>> next(g)
...

Objeto >>> def gen_123():
... yield 1

gerador ...
...
...
yield 2
yield 3

• O objeto gerador é 1
2
um iterável, 3
implementa >>> g = gen_123()
>>> g
.next() Python 2 <generator object gen_123 at ...>
>>> next(g)
ou 1
.__next__() Python 3 >>> next(g)
2

• Use next(gerador) >>> next(g)
3
>>> next(g)
Python ≥ 2.6 Traceback (most recent call last):
...

>>> def gen_ab():
...
...
...
print('iniciando...')
yield 'A'
print('agora vem B:')
Como
funciona
... yield 'B'
... print('FIM.')
...
>>> for s in gen_ab(): print(s)
iniciando...
A • Invocar uma
agora vem B:
B
função geradora
FIM. produz um
>>> g = gen_ab()
>>> g # doctest: +ELLIPSIS objeto gerador
<generator object gen_ab at 0x...>
>>> next(g)
iniciando... • O corpo da função só
'A' começa a ser
>>> next(g)
agora vem B: executado quando se
'B'
>>> next(g)
invoca next
...

>>> def gen_ab():
...
...
...
yield 'A'
Como
funciona
... yield 'B'
... print('FIM.')
...
iniciando...
A
agora vem B:
B • Quando next(g) é
FIM. invocado, o corpo da
>>> g = gen_ab()
>>> g # doctest: +ELLIPSIS função é executado
>>> next(g)
só até o primeiro
iniciando... yield
'A'
>>> next(g)
agora vem B:
'B'
>>> next(g)
...

>>> def gen_ab():
...
...
...
yield 'A'
Como
funciona
... yield 'B'
... print('FIM.')
...
iniciando...
A
agora vem B:
B • Invocando next(g)
FIM. novamente, a
>>> g = gen_ab()
>>> g # doctest: +ELLIPSIS execução avança até
>>> next(g)
o próximo yield
iniciando...
'A'
>>> next(g)
agora vem B:
'B'
>>> next(g)
...

Trem c/ função geradora
class Trem(object):


def __iter__(self):
for i in range(self.vagoes):
iter(t) yield 'vagao #%s' % (i+1)

• for vagao in t:
>>> t = Trem(4)
>>> for vagao in t:
• invoca iter(t)
... print(vagao)
vagao #1
• devolve gerador
vagao #2
vagao #3 • invoca next(gerador) até que
vagao #4 ele levante StopIteration
@ramalhoorg

Iterador clássico x gerador
class Trem(object):

class Trem(object): self.vagoes = vagoes

def __init__(self, vagoes): def __iter__(self):
self.vagoes = vagoes for i in range(self.vagoes):
yield 'vagao #%s' % (i+1)
def __iter__(self):
1 classe,
3 linhas de código
self.atual = 0

def next(self):
self.atual += 1 2 classes,
else: 12 linhas de código

Iterador clássico x gerador
class Trem(object):

class Trem(object): self.vagoes = vagoes

def __init__(self, vagoes): def __iter__(self):
self.vagoes = vagoes for i in range(self.vagoes):
def __iter__(self):

O gerador
def __init__(self, vagoes): administra
self.atual = 0
self.ultimo_vagao = vagoes - 1 o contexto
def next(self):
para você
self.atual += 1
else:

Expressão geradora
(genexp)
>>> g = (c for c in 'ABC')
>>> for l in g:
... print l
...
A
B
C
>>> g
<generator object <genexpr> at 0x10045a410>

@ramalhoorg

Expressão >>> g = (c for c in 'ABC')

geradora >>> for l in g:
...
...
print l

A
B
C

• Quando avaliada,
>>> g
<generator object <genexpr> at
devolve um 0x10045a410>
objeto gerador >>> next(g)
'A'
>>> next(g)
'B'
>>> next(g)
'C'
>>> next(g)
File "<stdin>", line 1, in <module>
StopIteration
@ramalhoorg

Trem c/ expressão geradora
class Trem(object):


def __iter__(self):
return ('vagao #%s' % (i+1)
for i in range(self.num_vagoes))

iter(t)
• for vagao in t:

>>> t = Trem(4)
>>> for vagao in t:
• invoca iter(t)
... print(vagao)
vagao #1
• devolve gerador
vagao #2
vagao #3 • invoca gerador.next() até que
vagao #4 ele levante StopIteration @ramalhoorg

Função geradora x genexp
class Trem(object):


def __iter__(self):
for i in range(self.vagoes):

class Trem(object):


def __iter__(self):
return ('vagao #%s' % (i+1) for i in range(self.num_vagoes))

@ramalhoorg

Construtores embutidos
que consomem e
produzem iteráveis
• dict • reversed
• enumerate • set
• frozenset • tuple
• list
@ramalhoorg

Módulo itertools
• geradores (potencialmente) inﬁnitos
• count(), cycle(), repeat()
• geradores que combinam vários iteráveis
• chain(), tee(), izip(), imap(), product(), compress()...
• geradores que selecionam ou agrupam itens:
• compress(), dropwhile(), groupby(), iﬁlter(), islice()...
• Iteradores que produzem combinações
• product(), permutations(), combinations()... @ramalhoorg

Geradores em Python 3
• Várias funções e métodos da biblioteca padrão
que devolviam listas agora devolvem geradores:
• dict.keys(), dict.items(), dict.values()...

• range(...)

• como xrange no Py 2 (mais que um gerador)
• Quando precisar de uma lista, basta passar o
gerador para o construtor de list:
list(range(10))

@ramalhoorg

Exemplo prático com
funções geradoras
• Funções geradoras para desacoplar laços de
leitura e escrita em uma ferramenta para
conversão de bases de dados semi-estruturadas

https://github.com/ramalho/isis2json

@ramalhoorg

Laço principal escreve
arquivo JSON

@ramalhoorg

Um outro laço lê os
registros a converter

@ramalhoorg

Implementação possível:
o mesmo laço lê e grava

@ramalhoorg

Mas e a lógica para ler
outro formato?

@ramalhoorg

Funções
do script
• iterMstRecords*
• iterIsoRecords*
• writeJsonArray
• main

* funções geradoras
@ramalhoorg

Função main:
leitura dos
argumentos

@ramalhoorg

Função main: seleção
do formato escolha dadepende geradora
de leitura
função
do
de entrada formato de entrada

função geradora escolhida
é passada como argumento
@ramalhoorg

writeJsonArray:
escrever
registros
em JSON

@ramalhoorg

writeJsonArray:
itera sobre umas das
funções geradoras

@ramalhoorg

iterIsoRecords:
ler registros função geradora!

de arquivo
ISO-2709

@ramalhoorg

iterIsoRecords
cria um novo dict
a cada iteração

produz (yield) registro
na forma de um dict @ramalhoorg

iterMstRecords: função geradora!

ler registros
de arquivo
ISIS .MST

@ramalhoorg

iterMstRecords
iterIsoRecords
cria um novo dict
a cada iteração

produz (yield) registro
na forma de um dict @ramalhoorg

Geradores na prática

@ramalhoorg

Faltou apresentar...
• Envio de dados para um gerador através do
método .send() (em vez de .next()),
e uso de yield como uma .send() não costuma
expressão para obter o dado ser usado no contexto
enviado de iteração mas em
pipelines
• Uso de funções geradoras como co-rotinas
“Coroutines are not related to iteration”
David Beazley
@ramalhoorg

Faltou apresentar...
• Envio de dados para um gerador através do
método .send() (em vez de .next()),
e uso de yield como uma .send() não costuma
expressão para obter o dado ser usado no contexto
enviado de iteração mas em
pipelines
• Uso de funções geradoras como co-rotinas
“Co-rotinas não têm relação com iteração”
David Beazley
@ramalhoorg

Oﬁcinas Turing:
computação para programadores
• Próximos lançamentos:
• 1ª turma de Python para quem usa Django
• 3ª turma de Objetos Pythonicos
• 4ª turma de Python para quem sabe Python
Para saber mais sobre estes cursos ONLINE
escreva para:
ramalho@turing.com.br
Turing.com.br

Iteraveis e geradores

Mais conteúdo relacionado

Mais procurados (19)

Destaque (9)

Semelhante a Iteraveis e geradores (20)

Mais de Luciano Ramalho (20)

Último (11)

Iteraveis e geradores