Python练习 | Python 可迭代对象迭代器

博主github：https://github.com/MichaelBeechan
博主CSDN：https://blog.csdn.net/u011344545

在使用Python的过程中，很容易混淆如下几个关联的概念：

1.容器(container)

2.可迭代对象(Iterable)

3.迭代器(Iterator)

4.生成器(generator)

5.生成器表达式

6.{list, set, dict} 解析式

它们之间的关系如下表所示：

容器（container)

容器是用来储存元素的一种数据结构，它支持隶属测试，容器将所有数据保存在内存中，在Python中典型的容器有：

list， deque, …

set，frozesets，…

dict, defaultdict, OrderedDict, Counter, …

tuple, namedtuple, …

str

容器相对来说很好理解，因为你可以把它当成生活中的箱子、房子、船等等。
一般的，通过判断一个对象是否包含某个元素来确定它是否为一个容器。例如：

字典容器通过检查是否包含键来进行判断：

字符串通过检查是否包含某个子串来判断：

注意：并非所有的容器都是可迭代对象。

可迭代对象

正如前面所提到的，大部分容器都是可迭代的，但是还有其他一些对象也可以迭代，例如，文件对象以及管道对象等等，容器一般来说存储的元素是有限的，同样的，可迭代对象也可以用来表示一个包含有限元素的数据结构。

可迭代对象可以为任意对象，不一定非得是基本数据结构，只要这个对象可以返回一个iterator。听起来可能有点费解，但是可迭代对象与迭代器之间有一个显著的区别。先看下面的例子

注意：可迭代的类中，一般实现以下两个方法，__iter__()以及__next()__方法，__iter__()方法返回self。

当我们运行以下代码的时候:

x = [1,2,3]

for elem in x:

...

实际调用过程如下：

当我们反向编译这段代Python码的时候，可以发现它显示调用了 GET_ITER，本质上跟调用iter(x)一样，而FOR_ITER指令相等于调用next()方法来获取每个元素。

>>> import dis

>>> x = [1,2,3]

>>> dis.dis('for _ in x: pass')

1 0 SETUP_LOOP 12 (to 14)

2 LOAD_NAME 0 (x)

4 GET_ITER

>> 6 FOR_ITER 4 (to 12)

8 STORE_NAME 1 (_)

10 JUMP_ABSOLUTE 6

>> 12 POP_BLOCK

>> 14 LOAD_CONST 0 (None)

16 RETURN_VALUE

迭代器(Iterators)

那么什么是迭代器呢？任何具有__next__()方法的对象都是迭代器，对迭代器调用next()方法可以获取下一个值。而至于它使如何产生这个值的，跟它能否成为一个迭代器并没有关系。所以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。

迭代器的例子很多，例如，所有itertools模块中的函数都会返回一个迭代器，有的还可以产生无穷的序列。

有的函数根据有限序列中生成无限序列：

>>> from itertools import cycle

>>> colors = cycle(["red","white","blue"])

>>> next(colors)

"red"

>>> next(colors）

"white"

>>> next(colors)

"blue"

>>> next(colors)

"red"

有的函数根据无限序列中生成有限序列：

>>> from itertools import islice

>>> colors = cycle(['red', 'white', 'blue']) # infinite

>>> limited=islice(colors,0, 4) # finite

>>> for x in limited: # so safe to use for-loop on

... print(x)

red

white

blue

Red

为了更好的理解迭代器的内部结构，我们先来定义一个生成斐波拉契数的迭代器：

>>> class fib:

... def __init__(self):

... self.prev = 0

... self.curr = 1

...

... def __iter__(self):

... return self

...

... def __next__(self):

... value = self.curr

... self.curr += self.prev

... self.prev = value

... return value

...

>>> f = fib()

>>> list(islice(f, 0, 10))

[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

注意这个类既是可迭代的（因为具有__iter__()方法），也是它自身的迭代器(因为具有__next__()方法)。

迭代器内部状态保存在当前实例对象的prev以及cur属性中，在下一次调用中将使用这两个属性。每次调用next()方法都会执行以下两步操作：

修改状态，以便下次调用next()方法

计算当前调用的结果

比喻：从外部来看，迭代器就像政府工作人员一样，没人找他办事的时候（请求值），工作人员就闲着，当有人来找他的时候（请求值），工作人员就会忙一会，把请求的东西找出来交给请求的人。忙完之后，又没事了，继续闲着。

生成器

生成器其实就是一种特殊的迭代器。它shi一种更为高级、更为优雅的迭代器。
使用生成器让我们可以以一种更加简洁的语法来定义迭代器。
让我们先明确以下两点：

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

下面也是一个生成斐波那契序列的工厂函数，不过是以生成器的方式编写的：

生成器的类型

在Python中两种类型的生成器：生成器函数以及生成器表达式。生成器函数就是包含yield参数的函数。生成器表达式与列表解析式类似。