目录
借用一位大佬的话：“yield” is your friend！
一．前言
最近学习了迭代，但是对于迭代以及迭代器，生成器的原理、作用，还是有点蒙，通过在网上查找相关知识和自己总结，写了这篇博客，实在是狗尾续貂。
相信大家和我有一样的疑问，为什么要探索python中的迭代机制？会用for不就可以了吗？在继续下去之前，需要回答一下这个问题。for语句非常好用，就像是国民老公王思聪一样，可以处理各种迭代问题。但是，国民老公是一个标配，他可能并不适合每一个女生。既然标配的不合意，一种替代方法就是自己定制，比如更加幽默，或更有情怀等等。这就是我们探究迭代机制的原因。当for循环不能满足我的要求，我需要一个自己的迭代方式，这个时候你就需要探究一下迭代背后的机制。
二．从for说起
对于一个简单的语句：
for i in [1, 2, 3, 4, 5]:
print(i)背后发生了什么呢？首先，python解释器会判断[1, 2, 3, 4, 5]这个列表是不是可以迭代的，也就是这个列表是不是一个iterable object，如果用户输入的是一个iterable object，那么python解释器会首先把这个iterable object转换成一个iterator object，也就是迭代器。
三．再讲一下可迭代对象和迭代器
①iterable object（可迭代对象）：
在类里面提供__iter__方法，保证创建的对象是可迭代对象，如下代码：
from collections import Iterable
# 自定义可迭代对象
class MyList(object):
def __init__(self):
# 定义列表属性保存用户添加的数据
self.my_list = list()
# 添加数据的方法
def append_data(self, data):
self.my_list.append(data)
# 在类里面提供__iter__方法,那么保证创建的对象是可迭代对象
def __iter__(self):
# 可迭代对象的本质： 是通过迭代器帮助可迭代对象依次迭代对象中的每一个数据
# 真正完成获取数据的操作是通过迭代器完成的
pass
# 通过自定义可迭代类型创建自定义可迭代对象
my_iterable = MyList()
# 查看my_iterable是不是指定类型：Iterable
result = isinstance(my_iterable, Iterable)
print(result)
#结果是True直到现在，真正的迭代仍然没有开始。真正的迭代不是作用在iterable object上，而是作用在迭代器上。从这一点，也可以认为，迭代器是更底层的东西。iterable object是我们人类喜欢的东西，而迭代器iterator则是python解释器喜欢的东西。
②iterator object（迭代器）：
虽然定义了可迭代对象，但是要想获取数据则需要迭代器来完成；在类中提供__iter__和__next__
方法，创建的对象就是迭代器对象。代码如下：
from collections import Iterable
from collections import Iterator
# 自定义可迭代类
class MyList(object):
def __init__(self):
# 定义列表属性保存用户添加的数据
self.my_list = list()
# 添加数据的方法
def append_data(self, data):
self.my_list.append(data)
# 在类里面提供__iter__方法,那么保证创建的对象是可迭代对象
def __iter__(self):
my_iterator = MyIterator(self.my_list)
return my_iterator
# 自定义迭代器类
class MyIterator(object):
def __init__(self, current_list):
# 保存外界传入过来的数据对象
self.current_list = current_list
# 记录获取数据的下标
self.current_index = 0
def __iter__(self):
return self
# 使用__next__方法获取指定对象中的数据
def __next__(self):
# 判断下标是否越界
if self.current_index < len(self.current_list):
# 根据下标获取数据对象中的指定数据
value = self.current_list[self.current_index]
# 获取数据成功对下标加上1
self.current_index += 1
return value
else:
# 代码执行到此说明下标越界，停止取值操作，抛出停止迭代异常
raise StopIteration
# 通过自定义可迭代类创建出自定义可迭代对象，添加数据
my_iterable = MyList()
my_iterable.append_data(1)
my_iterable.append_data(2)
for value in my_iterable:
print(value)迭代器有的标配就是__iter__和__next__方法，每个迭代器都有，这种方法是自从它被创建出来的时候就有。iter()函数表示获取可迭代对象的迭代器，会调用可迭代对象身上的__iter__方法，next()函数表示获取迭代器对象中下一个值，会调用迭代器对象身上的__next__方法。真正的迭代是由__next__来执行的，也就是__next__每次从迭代器中取出一个元素来操作，直到所有的元素被取完。——这里不过多赘述
③迭代器的应用场景
如果我们要取一个有规律数列当中的一个值（包括大家学习过的斐波那契数列），假设我要取第10000个斐波那契数，看图 ↓
四．为什么要来到“生成器”？
迭代器简单粗暴，生成器则高冷优雅。
①迭代器生成斐波那契数列
# 迭代器完成斐波那契数列
class Fibonacci(object):
def __init__(self, num):
# num:表示根据个数生成数列
self.num = num
# 保存斐波那契数列前两个值
self.first = 0
self.second = 1
# 记录生成斐波那契数列的下标
self.current_index = 0
def __iter__(self):
return self
def __next__(self):
if self.current_index < self.num:
result = self.first
self.first, self.second = self.second, self.first + self.second
# 生成数据完成以后对下标加上1
self.current_index += 1
return result
else:
# 表示数列生成完成
raise StopIteration
# 创建生成斐波那契数列的对象
fib = Fibonacci(5)
for i in fib:
print(i)②生成器生成斐波那契数列
# 生成器完成斐波那契数列
def fibonacci(num):
# num：表示生成器根据个数创建指定个数的fibonacci数列
first = 0
second = 1
current_index = 0
# 循环判断条件是否成立，表示是否生成斐波那契数列
while current_index < num:
result = first
first, second = second, first + second
current_index += 1
yield result
generator1 = fibonacci(4)
for a in generator1:
print(a)可见生成器属于轻装版的迭代器，但生成器仍然是迭代器，不过是改进的。
生成器的第一个特殊之处是它的定义方式。对于生成器函数，我们一般需要自己定义。生成器函数的定义方式和普通函数几乎一样，只不过它有一个yield语句。当函数执行到yield的时候，该函数被挂起，等待下次被next()激活。至于用法，迭代器和生成器一样。它们的区别主要体现在定义的方式上。
③应用情景
range()函数会返回一个迭代器，如果用生成器呢？
def my_range(start, end, step):
x = start
while x < end:
yield x
x += step
new_range = my_range(0, 10, 1)
for a in new_range:
print(a)
###
0
1
2
3
4
5
6
7
8
9
###希望这些可以帮助大家更好的理解迭代器和生成器。
参考文献：
有很多内容参考了网上的各种资料，其中一位作者的文章读后似醍醐灌顶，在这里把他的个人主页地址附上
作者：time
主页：https://www.douban.com/note/641787208/