迭代器和生成器
- 迭代是Python最强大的功能之一，是访问集合元素的一种方式。
- 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
- 迭代器是一个可以记住遍历的位置的对象。
迭代
其实for .. in ..循环遍历的过程就是迭代（iteration）。
其他语言诸如C语言，迭代都是通过下标索引。所以可以看出，Python的for循环迭代抽象程度比其他语言高，不论有没有下标，只要是可迭代对象（后文有介绍），都可以通过它迭代，比如字典。
迭代器
迭代器有两个基本的方法：iter() 和 next()。
iter()用于创建一个迭代器对象
next()将参数中的迭代器进行一次迭代，并返回迭代器中的元素
>>> list = [1, 2, 3]
>>> l1 = iter(list)
>>> l1
<list_iterator object at 0x000001D5E98476A0>
>>> next(l1)
1
>>> next(l1)
2
>>> next(l1)
3
>>> next(l1)
Traceback (most recent call last):
File "<input>", line 1, in <module>
StopIteration
迭代器到达结尾时，如果再调用next()，则会无法返回值而报错StopIteration。
为自定义类创建迭代器
把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__() 。
class my_nums():
def __iter__(self):
self.a = 1
return self
def __next__(self):
if self.a < 20:
x = self.a
self.a += 1
return x
else:
raise StopIteration
mn = my_nums()
l1 = iter(mn)
print(next(l1))
print(next(l1))
print(next(l1))
for i in mn:
print(i, end=' ')
1
2
3
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
- 定义过两个方法后的类的对象便成了可迭代对象，可以对其调用
iter()和next()以及对其进行for循环遍历 - StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在
__next__()方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。
生成器
通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间，在Python中，这种一边循环一边计算的机制，称为生成器(generator)。 （转自廖雪峰）
生成器是一个特殊的程序，可以被用作控制循环的迭代行为，Python中生成器是迭代器的一种。
延迟计算或惰性求值 (Lazy evaluation)
迭代器不要求你事先准备好整个迭代过程中所有的元素。仅仅是在迭代至某个元素时才计算该元素，而在这之前或之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合。
创建生成器的方法有很多。
列表生成器
回忆列表解析的内容。
squares = [x ** 2 for x in range(10)]
第一种创建生成器的方法是：只要把一个列表解析式的[]改成()，就创建了一个generator：
>>> L = [x ** 2 for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x ** 2 for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
如上所言，生成器就是迭代器，他可以被next()调用。
>>> g = (x ** 2 for x in range(10))
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
但是我们很少对生成器使用next()，大多数情况都是使用for循环，因为生成器也是个可迭代对象。
g = (x ** 2 for x in range(10))
for i in g:
print(i, end=', ')
0, 1, 4, 9, 16, 25, 36, 49, 64, 81
生成器函数
另一个方法是：生成器函数。
在 Python 中，使用了 yield 的函数被称为生成器函数（generator function）。
跟普通函数不同的是，生成器函数是一个返回迭代器的函数，只能用于迭代操作。
def odd():
print('step 1')
yield 1
print('step 2')
yield 3
print('step 3')
yield 5
o = odd()
print(next(o))
print(next(o))
print(next(o))
print(next(o))
step 1
1
step 2
3
step 3
5
Traceback (most recent call last):
File “D:/Pytest/1.py”, line 48, in
print(next(o))
StopIteration
在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
比如上述函数：
- odd()返回的是一个迭代器，传递给变量o
- 第一次调用next()：先打印step 1 ，再返回1，保存信息并停止运行函数。
- 第二次调用next()：函数从原先停止的地方继续，先打印step 2， 再返回3，保存信息并停止。
- 第三次调用next()：…
- 第四次调用next()：函数已到达末尾，无法返回值，报错StopIteration
同理，生成器函数可以用for循环迭代：
# 例1 输出奇数
def odd(n):
cnt = 0
while cnt < n:
yield cnt * 2 + 1
cnt += 1
for i in odd(5):
print(i)
o = odd(4)
for i in o:
print(i)
1
3
5
7
9
1
3
5
7
我们将刚才的odd函数改编了一下，使其可以用传递参数来控制其循环次数。
# 例2 杨辉三角形
def triangle():
a = [1]
while True:
yield a
a = [1] + [a[i]+a[i-1] for i in range(1, len(a))] + [1]
n = 0
results = []
for t in triangle():
print(t)
results.append(t)
n = n + 1
if n == 10:
break
[1]
[1, 1]
[1, 2, 1]
[1, 3, 3, 1]
[1, 4, 6, 4, 1]
[1, 5, 10, 10, 5, 1]
[1, 6, 15, 20, 15, 6, 1]
[1, 7, 21, 35, 35, 21, 7, 1]
[1, 8, 28, 56, 70, 56, 28, 8, 1]
[1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
上述代码在for循环中控制迭代次数。
可迭代对象
只要是实现了__iter__()或__getitem__()方法的对象，就可以使用迭代器进行访问。
-
序列：字符串、列表、元组
-
非序列：字典、文件
-
自定义类：用户自定义的类实现了
__iter__()或__getitem__()方法的对象 -
生成器或者生成器函数
可以使用isinstance()判断一个对象是否是Iterable可迭代对象：
>>> from collections import Iterable
>>> isinstance([], Iterable) # 列表
True
>>> isinstance({}, Iterable) # 字典
True
>>> isinstance('abc', Iterable) # 字符串
True
>>> isinstance((x for x in range(10)), Iterable) # 这个是生成器
True
>>> isinstance(100, Iterable) # 普通数字
False
- 可迭代≠是迭代器。除了生成器既是迭代器，也是可迭代对象，其他的可迭代对象都需要
iter()来获取其迭代器。
