迭代器和生成器

迭代: 访问集合元素的一种方式. 通常把使用for循环取数的过程称为遍历, 也叫迭代.

可迭代对象（Iterable）: 把可以通过for…in…这类语句迭代读取⼀条数据供我们使⽤的对象称之为可迭代对象.

很多容器都是可迭代对象(iterable), 并不是所有容器都是可以迭代的;但凡可以返回一个迭代器的对象都是可迭代对象;

容器: 这个称呼在其他博客上看到的, 了解下; 一种把多个元素组织在一起的数据结构，容器中的元素可以逐个地迭代获取，可以用in, not in关键字判断元素是否包含在容器中 . 常见的str, list, set, dict都是容器

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

1 2 3 4 5 6 7 8

from collections import Iterable print(isinstance([], Iterable)) print(isinstance((), Iterable)) # 判断元组 print(isinstance({}, Iterable)) # 判断字典 print(isinstance("", Iterable)) # 判断字符串 print(isinstance(100, Iterable)) # 判断整数 print(isinstance(False, Iterable)) # 判断boolean

1.迭代器iterator

迭代器: 任何实现了__iter__和__next__()（python2中实现next()）方法的对象都是迭代器;

__iter__返回迭代器自身，__next__返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常

在遍历过程中就应该有一个“人”去记录每次访问到了第几条数据，以便每次迭代都可以返回下一条数据。我们把这个能帮助我们进行数据迭代的“人”称为迭代器(Iterator)。可迭代对象的本质就是提供一个这样的中间“人”即迭代器帮助我们对其进行迭代遍历使用。

1. 可迭代对象的本质就是提供一个这样的中间“人”即迭代器帮助我们对其进行迭代遍历使用
2. 可迭代对象是一个具备了__iter__方法的对象，通过__iter__方法获取可迭代对象的迭代器

迭代器本质上是一个产生值的工厂，每次向迭代器请求下一个值，迭代器都会进行计算出相应的值并返回。

可以通过iter()函数获取这些可迭代对象的迭代器, 然后可以对获取到的迭代器不断使用next()函数来获取下一条数据。

1 2 3 4 5 6 7 8

li = [11, 22, 33, 44, 55] # 通过iter() 取得可迭代对象的迭代器 iterator = iter(li) # 通过next()函数取得iterator迭代器指向的下一个值 print(next(iterator)) print(next(iterator))

1.1 __iter__和__next__

迭代器首先是一个可迭代对象, 可迭代对象必须实现__iter__方法

迭代器同时要能够返回可迭代对象的下一个值，所以当调用next()函数的时候，需要能够返回值，所以必须定义next方法；

1.2 for循环

for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器，然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束。

1.3 代码实例:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

import collections class (object): def __init__(self): self.names = [] # 声明一个列表 self.current = 0 # 记录迭代器迭代的位置， 默认是0 ，即从起始位置开始 def add(self, name): self.names.append(name) def __iter__(self): """通过该方法取得迭代器对象""" return self def __next__(self): """取得下一个迭代的值""" if self.current < len(self.names): name = self.names[self.current] self.current += 1 return name else: raise StopIteration # 创建MyClassmate实例 my_classmate = MyClassmate() my_classmate.add("小王") my_classmate.add("小李") my_classmate.add("小张") # 测试MyList是不是可迭代对象 print(isinstance(my_classmate, collections.Iterable)) # 遍历数据 for name in my_classmate: print(name)

1.4 应用场景

斐波拉契序列

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

class FibIterator(object): """斐波那契数列迭代器""" def __init__(self, n): """初始化属性""" self.n = n # 记录生成fibonacci的数列的个数 self.current_index = 0 # 记录当前遍历的下标 # 记录fibonacci数列前面的两个值 self.num1 = 0 self.num2 = 1 大专栏  迭代器和生成器ion">def __next__(self): """被next()函数调用来获取下一个数""" if self.current_index < self.n: num = self.num1 self.num1, self.num2 = self.num2, self.num1 + self.num2 self.current_index += 1 return num else: raise StopIteration def __iter__(self): """迭代器的__iter__返回自身即可""" return self if __name__ == '__main__': fib = FibIterator(10) for num in fib: print(" ", num, end="")

运行结果: 0 1 1 2 3 5 8 13 21 34

2.生成器generator

生成器: 可以理解为一个特殊的迭代器。调用这个函数就得到一个迭代器，生成器中的yield相当于一个断点，执行到此返回一个值后暂停，从而实现next取值。

• 任意生成器都是迭代器（反过来不成立）
• 任意生成器，都是一个可以延迟创建值的工厂

它不需要再像上面的类一样写__iter__()和__next__()方法了，只需要一个yiled关键字。

2.1 创建生成器方法

2.1.1 把列表生成式的[] 改成()

1 2 3 4 5 6 7 8

# 参考列表生成式 L=[x*2 for x in range(6)] print(L) # 输出结果:[0, 2, 4, 6, 8, 10] # 把[] 改为() :就是一个简单的列表生成器 G=(x*2 for x in range(6)) print(G) # 输出的是生成器对象: <generator object <genexpr> at 0x7ff7f8bbd5c8>

2.1.2 列表生成式

用生成器实现斐波拉契序列

1 2 3 4 5 6 7 8

def fib(): """斐波拉契函数""" prev, curr = 0, 1 while True: yield curr prev, curr = curr, curr + prev f = fib() print(list(islice(f,0, 10))) # 输出结果是[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

fib就是一个普通的python函数，它特殊的地方在于函数体中没有return关键字，函数的返回值是一个生成器对象。当执行f=fib()返回的是一个生成器对象，此时函数体中的代码并不会执行，只有显示或隐示地调用next的时候才会真正执行里面的代码。

另外一种写法:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

def fib(n): curr_index = 0 num1, num2 = 0, 1 while curr_index < n: """ 1. 假如函数中有yield，则不再是函数，而是生成器 2. yield 会产生一个断点 3. 假如yield后面紧接着一个数据，就会把数据返回， 作为next()函数或者for ...in...迭代出的下一个值 """ yield num1 num1, num2 = num2, num1 + num2 curr_index += 1 if __name__ = '__main__': G = fib(5) # # 假如函数中有yield，则不再是函数，而是一个生成器 # 　生成器是一种特殊的迭代器 for num in G print("", num, end="") # 输出0 1 1 2 3 5

2.2 生成器总结

• 使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
• yield关键字有两点作用：
  • 保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
  • 将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
• 可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）

2.3 使用send

我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。

执行到yield时，gen函数会暂停，返回i的值; temp接收下次obj.send(“haha”)发送过来的值，next(obj)等价obj.send(None)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

def gen(): i = 0 while i < 5: temp = yield i print(temp) i += 1 if __name__ == '__main__': obj = gen() # 取得生成器对象 # 使用next()唤醒生成器 print(next(obj)) print(next(obj)) # 使用send唤醒生成器 ，在唤醒的同时向断点处传入一个附加数据 print(obj.send("haha")) # 使用next()唤醒生成器 print(next(obj)) # 使用send唤醒生成器 ，在唤醒的同时向断点处传入一个附加数据 print(obj.send("python"))