python中可迭代对象，迭代器，生成器
1. 可迭代对象：
在Python中，通过使用for...in...语句进行循环的对象，就是可迭代对象(Iterable)。通常使用isinstance来进行判断。
In [4]: from collections import Iterable In [5]: for i in "Python": ...: print(i) ...: P y t h o n In [7]: a = [100,200,300] In [8]: for i in a: ...: print(i) ...: 100 200 300
通过isinstance()来看，返回都是True
In [13]: from collections import Iterable
In [11]: isinstance("python",Iterable)
Out[11]: True
In [12]: isinstance(a,Iterable)
Out[12]: True
下面看一个不是可迭代对象的例子：
In [13]: b =200 In [14]: for i in b: ...: print(i) ...: --------------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input-14-5049783fdcea> in <module>() ----> 1 for i in b: 2 print(i) 3 TypeError: 'int' object is not iterable In [15]: isinstance(b,Iterable) Out[15]: False
看报错说明，整型并不是一个可迭代对象。通过isinstance()看返回False。
通过dir()查看发现可迭代对象都有__iter__方法。
总结：含有__iter__方法的对象都是可迭代对象。
2. 迭代器
迭代器是指可以使用next()方法来进行回调的对象，可以通过使用iter()方法，将一个可迭代对象转换成迭代器。在next()方法进行调用时，如果没有可回调的对象时，就会抛出一个StopIteration异常。
In [22]: a Out[22]: [100, 200, 300] In [23]: b = iter(a) In [24]: print(type(b)) <class 'list_iterator'> In [25]: print(type(a)) <class 'list'> In [26]: print(next(b)) 100 In [27]: print(next(b)) 200 In [28]: print(next(b)) 300 In [29]: print(next(b)) --------------------------------------------------------------------------- StopIteration Traceback (most recent call last) <ipython-input-29-0b064482c990> in <module>() ----> 1 print(next(b)) StopIteration:
可以通过isinstance(a,Iterator)来查看一个对象是否是迭代器。
In [31]: from collections import Iterable,Iterator In [32]: a Out[32]: [100, 200, 300] In [33]: b Out[33]: <list_iterator at 0x7fc794482d30> In [34]: isinstance(a,Iterable) Out[34]: True In [35]: isinstance(a,Iterator) Out[35]: False In [36]: isinstance(b,Iterable) Out[36]: True In [37]: isinstance(b,Iterator) Out[37]: True In [38]: dir(b) Out[38]: ['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__length_hint__', '__lt__', '__ne__', '__new__', '__next__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setstate__', '__sizeof__', '__str__', '__subclasshook__']
由此，可以总结出，迭代器必须含有__iter__,__next__方法。一个迭代器一定时一个可迭代对象，但是一个可迭代对象不一定是迭代器。
__next__: 放回容器的下一个元素__iter__: 返回迭代器本身
迭代器的优势：在构建迭代器是，不是将所有的元素一次性加载，而是等调用next方法时返回元素，所以这占用内存很少。
自定义一个迭代器：
class CountDown: """创建一个迭代器""" def __init__(self, step): self.step = step def __next__(self): """返回容器下一个元素""" if self.step <= 0: raise StopIteration self.step -= 1 return self.step def __iter__(self): """返回迭代器本身""" return self for element in CountDown(5): print(element)
结果：
4 3 2 1 0
使用迭代器来迭代Fibonacci数：
# coding=utf-8 class FibIterator(object): def __init__(self,n): self.n = n self.current = 0 self.num1 = 0 self.num2 = 1 def __next__(self): if self.current < self.n: self.num1 , self.num2 = self.num2, self.num1 + self.num2 self.current += 1 return self.num1 else: raise StopIteration def __iter__(self): """返回迭代器本身""" return self if __name__ == "__main__": fib = FibIterator(10) for num in fib: print(num,end=" ")
结果：
1 1 2 3 5 8 13 21 34 55
3. 生成器：
利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，因此可以采用一种更简便的语法，即生成器(generator)。
生成器是一种特殊的迭代器，可以让编写返回元素序列的函数所需要的代码变得简单，高效，并不是像创建迭代器代码一样冗长。
例子：Fibonacci数列使用生成器实现
def fib(all_num): a, b = 0, 1 current_num = 0 while current_num < all_num: a, b = b, a + b yield a current_num += 1 obj = fib(10) for num in obj: print(num,end=" ")
结果：
1 1 2 3 5 8 13 21 34 55 89
生成器函数：
生成器函数和常规的函数都是使用def语句进行定义，但是器是基于yield指令返回一个值。可以暂停一个函数并返回中间结果。当需要一个将返回一个序列或在循环中执行的函数时，就可以使用生成器，因为当这些元素被传递到另一个函数中进行后续处理时，一次返回一个元素可以有效的提升整体性能。
总结：
使用了
yield关键字的函数就是生成器。yield的两个作用：1.保存当前的运行状态，然后暂停执行，即生成器（函数）挂起。2. 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。
生成器表达式
生成式表达式是一种实现生成器的便捷方式，将列表推导式的中括号替换为圆括号。
和列表推导式的区别：列表生成式可以直接创建一个表，但是生成器表达式是一种边循环边计算，使得列表的元素可以在循环过程中一个个的推算出来，不需要创建完整的列表，从而节省了大量的空间。
In [43]: a = [ x*2 for x in range(5)] In [44]: a Out[44]: [0, 2, 4, 6, 8] In [45]: b = ( x*2 for x in range(5)) In [46]: b Out[46]: <generator object <genexpr> at 0x7fc7961cd5e8> In [47]: next(b) Out[47]: 0 In [48]: next(b) Out[48]: 2 In [49]: next(b) Out[49]: 4 In [50]: next(b) Out[50]: 6 In [51]: next(b) Out[51]: 8 In [52]: next(b) --------------------------------------------------------------------------- StopIteration Traceback (most recent call last) <ipython-input-52-adb3e17b0219> in <module>() ----> 1 next(b) StopIteration: In [55]: b = ( x*2 for x in range(5)) In [56]: for i in b: ...: print(i) # 没有值，因为之前已经遍历完了。
总结：生成器是一种高级迭代器。生成器的优点是延迟计算，一次返回一个结果，这样非常适用于大数据量的计算。但是，使用生成器必须要注意的一点是：生成器只能遍历一次