生成器、迭代器、可迭代对象的联系和区别

可迭代对象
- 定义
- 判断
迭代器
- 概念
- 判断
生成器
- 概念
- yield关键字
- - 实例①：
  - 实例②：yield生成器实现斐波那契数列
  - 实例③：send()方法修改生成器的状态
三者的联系与区别：

可迭代对象

定义

凡是实现了__iter__方法的对象都称之为可迭代对象，常见的有：
容器都是可迭代对象
1.list
2.set
3.dict
4.str
5.tuple
其他的：
6.打开状态的files
7.打开状态的sockets等
还有一种说法是，实现了__getitem__方法且__getitem__方法的参数是从0开始的整数。如python中的序列都是

判断

方法①可通过Iterable判断对象是不是可迭代对象
代码如下：

// 定义一个判断是不是迭代对象的函数
from collections.abc import Iterable
def isiterable(iter):if isinstance(iter,Iterable):   #判断q4是不是可迭代对象print("yes" )else:print("no")
#再去调用它
isiterable([1,2,3,4])
isiterable(1)

可以看到结果：

方法②调用iter()方法，将可迭代对象转换成对应的迭代器
如果不可迭代，再处理typeError异常，比方法一更准确，因为iter()会考虑遗留的__getitem__方法，而方法一不会考虑
代码如下：

// An highlighted block
li=[1,2,3,4]
li_it=iter(li)
print(type(li_it))

输出结果为：

可以看到这里的类型是列表迭代器，因此证明li这个列表是一个可迭代的对象

迭代器

概念

任何实现了__iter__()和__next()__方法的都是迭代器，其中__iter()__实用来返回迭代器本身；__next()__是用来返回迭代对象中的下一个值
注意事项如下：
1.迭代器有具体的迭代器类型，可用type查看，一般有list_iterator,set_iterator等类型
2.迭代器是有状态的，可以被next()调用，并且不断返回迭代对象的下一个值，如果到了迭代器的最后一个元素，继续调用next()，则会抛出stopIteration异常

判断

可用Iterator判断，具体代码如下：

from collections.abc import Iterable,Iterator
def ifiter(ran):#判断是不是可迭代对象if isinstance(ran,Iterable):print(f"{ran}是可迭代的对象")else:print(f"{ran}不是可迭代的对象")#判断是不是迭代器if isinstance(ran,Iterator):print(f"{ran}是迭代器")else:print(f"{ran}不是迭代器")
ran=range(3)
ifiter(ran)

输出：

生成器

概念

生成器是一种特殊的迭代器，不需要手动的编写__iter()__和__next()__方法，因为yeild关键字已经包含了这两种方法。
注意事项：
1.因为生成器（generator）一定是迭代器，所以生成器也是一种懒加载的模式生成值（即需要用的时候才会生成数据，不需要的时候不会生成）
2生成器可以是生成器表达式也可以是生成器函数
其中生成式表达式，使用()表示，将列表推导式的[]改成()即可得到生成器
生成器函数则调用yield关键字即可。

yield关键字

了解一个东西，首先要知道它的原因，yield关键字产生的原因：
因为yeild自动实现了__iter__和__next__方法，起到简化代码的作用，一般用于大数据，大文件逐个生成的时候，可以大大减少内存的开销。
使用yield时的注意事项：
1.yeild被调用时，返回一个迭代器，调用时可以使用next或send(msg)
2.只要函数内部有yield关键字，就认为该函数是生成器函数
3.一个生成器中可以有多个yield，一旦遇到yield，就会保存当前状态，然后返回yield后面的值
4.当生成器遇到yield时，会暂停运行生成器，返回yield后面的值，当再次调用生成器的时候，会从刚才暂停的地方继续执行，直到下一个yield
5.yield关键字，会保留中间算法，下次继续执行
6.yield是一个函数的返回值，能赋值给变量，会返回None,这是因为yield相当于函数里面的return，但是使用send函数改变生成器状态的时候，一定要先赋值给变量，才能进行状态的改变，否则会报错
估计大家看了这么多的文字会很难理解，下面直接看代码会简单很多。特别是实例2
简单使用yield生成器的代码如下：

实例①：

def get_content():x=8;yield x-1y=6yield y+2z=2yield z
g=get_content()
print(g,type(g))
print(next(g))
print(next(g))
print(next(g))

输出为：

注意，这里最多只能有3个print(next(g))的语句，因为这里只有3个yield，每执行一次yield会返回一次的状态，如果没有状态可以返回，则会报错
如下所示（写了4个print(next(g))语句）：

yield语句的执行过程我刚开始也很懵，相信大家看完实例2之后会有比较清晰的理解了

实例②：yield生成器实现斐波那契数列

from itertools import islice
def lib():prev,curr=0,1i=0;while True:i=i+1;print(f"第一个yield第{i}次前面的curr：", curr)yield curr#print("#######################")print(f"第一个yield第{i}次后面的curr: ",curr);print(f"第二个yield第{i}次前面的prev: ",prev);yield prevprint(f"第二个yield第{i}次后面的prev: ", prev);prev,curr=curr,curr+prevf=lib()
print(type(f),f)

输出结果为：

因为执行生成器函数时不会执行代码，会首先返回一个generator对象，必须要用next方法来获取其值。
下图是加了1行print(next(g))语句之后的运行图：

可以看到，程序运行到第一个yield则退出了，所以yield相当于函数里面的return语句，碰到了则退出函数并返回，但是与return不一样的是，yield是有状态的，它会自动保存这一次的位置，下一次next调用，会自动从当前位置开始执行
下图是有2行print(next(f))语句的结果：

可以看到，程序运行到第2个yield就退出运行了
下图是有3行print(next(f))语句的结果：

可以看到，此时yield已全部执行完毕(总共有2个yield，执行了3次next方法，所以，现在程序退出的位置是在第一个yield语句)，以此类推。
通过该例子，大致可以总结出以下几点，希望大家能好好理解一下：
①执行生成器函数时不会执行代码，会首先返回一个iterable对象
②只有显示或隐式地调用next的时候才会真正执行函数里面的代码，执行到yield 语句时，lib()函数会返回yield后面的值，并记住当前执行的状态
③下次调用next后，程序会从yield的下一条语句继续执行，看起来就像是一个函数在正常执行的过程中被yield中断了数次，每次中断都会通过yield返回当前的迭代值
④由此看出，生成器通过关键字yield不断的将迭代器返回到内存进行处理，不会一次性的将对象全部放入内存，会节省很多空间

实例③：send()方法修改生成器的状态

def counter(start_at=0):count=start_atwhile True:val=(yield count)if val is not None:count=valelse:count+=1
count = counter(5)
print(type(count))
print(count.__next__())
print(count.__next__())
print(count.send(9))   #通过val变量改变当前迭代器的状态，从而对其进行修改
print(count.__next__())
print(count.send(100))
print(count.__next__())
count.close()

输出结果为:

注意的是，用close()关闭生成器之后，不能在对其使用next方法，因为此时已经没有生成器了，会报错的

三者的联系与区别：

画图表示如下：

迭代器与可迭代对象：
迭代器都是一个可迭代对象，且所有的Iterable(迭代对象)都可以通过内置函数iter()转变为Iterator(迭代器)

生成器与迭代器：
联系：所有的生成器都是迭代器，有yield的是生成器，因为yield可以是生成器表达式也可以是生成器函数
区别：迭代器用于从集合中取出元素
生成器用于凭空生成元素

生成器、迭代器、可迭代对象三者的联系和区别相关推荐

python 生成器对象_Python 生成器, 迭代器, 可迭代对象的区别
1.可迭代对象在python中, 一切皆对象, 但凡是可以用for循环进行遍历取值的对象都可以称之为可迭代对象, 可迭代对象在程序的一个执行周期中,可以无限轮次的进行循环遍历 2.迭代器 a.一个可 ...
python 列表生成式_深度好文：Python之列表生成式、生成器、可迭代对象与迭代器（一）...
作者:云游道士原文:https://www.cnblogs.com/yyds/p/6281453.html 本节内容语法糖的概念列表生成式生成器(Generator) 可迭代对象(Iterab ...
uniapp对象怎么获取值_第65p，关于：生成器、迭代器与迭代对象（上）
大家好,我是杨数Tos,这是<从零基础到大神>系列课程的第65篇文章,第三阶段的课程:Python进阶知识:生成器.迭代器与迭代对象. 一.什么是可迭代对象? 迭代是一个重复的过程,迭代每 ...
python可迭代对象迭代器生成器_Python可迭代对象、迭代器和生成器
8.1 可迭代对象(Iterable) 大部分对象都是可迭代,只要实现了__iter__方法的对象就是可迭代的. __iter__方法会返回迭代器(iterator)本身,例如: >>&g ...
【python教程入门学习】迭代器、生成器和可迭代对象
前言上次我们简单分享了迭代器和生成器,本次我们来更加深入的了解相关概念和使用方法,希望能对你有所帮助. 自定义迭代器首先,我们来看看怎么自定义迭代器,自定义迭代器的类需要下面几个组成. (1)类中 ...
Python迭代器、生成器、可迭代对象
可迭代对象(Iterable) for循环可以作用于的数据类型有:list.tuple.dict.str 和 generator(包括生成器和带 yield 的 generator function) ...
python 生成器 send_python(可迭代对象，迭代器，生成器及send方法详解)
一.可迭代对象对象必须提供一个__iter__()方法,如果有,那么就是可迭代对象, 像列表,元祖,字典等都是可迭代对象可使用isinstance(obj,Iterable)方法判断 1 from ...
玩转Python中迭代器与迭代对象的使用与演示
0.什么是迭代器(iterator)与迭代对象? 比如:python中的集合数据类型,如 list . tuple . dict . set . str 等,我们可以使用for遍历其中的每个元素,此外 ...
python迭代器和可迭代对象的关系_生成器、迭代器、可迭代对象的关系
先把生成器.迭代器.可迭代对象三者的关系总结下,再解释概念.一图胜千言: 一.什么是可迭代对象迭代是访问集合元素的一种方式.直接作用于for循环的数据类型有以下几种:一类是集合数据类型,如list. ...

生成器、迭代器、可迭代对象三者的联系和区别