python 中的迭代器和生成器

python 中的迭代器和生成器

"""
一.迭代器(iterator)
1.在介绍迭代器之前，我们需要明白一个概念：什么是可迭代的(iterable)？
如字符串，列表，字典等可以使用for循环的对象都是可迭代的，单个数字是不可迭代的。此外，可迭代的(iterable)不等同于迭代器(iterator)。我们可以借助collections.abc 库中的 Iterable 和 Iterator 判断一个对象是否可迭代(iterable)和是否为迭代器(iterator).

from collections.abc import Iterable, Iterator

isinstance([], Iterable)  # True
isinstance([], Iterator)  # False

类如此法可验证列表[],字典{}，字符串"xyz"都是可迭代的(iterable)，但都不是迭代器(iterator)!

2.什么是迭代器(iterator)？
迭代器本质上是python中内置的一个类，允许我们作循环遍历操作，类似于for循环，但可以存储比for循环大很多的数据流，比如自然数。因为它只在调用next(iterator)函数才返回下一个结果，即"惰性"，实际上所有数据都在迭代器中存在了，但不像for循环全部遍历返回。此外，当多次调用next()但迭代器中没有下一个元素了就报错。

3.上面说到列表[],字典{}，字符串"xyz"都是可迭代的(iterable)，但都不是迭代器(iterator)。那么怎么将它们转化成迭代器呢？
需要iter(iterable_object)函数，即iter()接受一个可迭代对象，将其转化为迭代器。

--例子：
number = list(range(1,10))
next(iter(number)) # 1
...
next(iter(number)) # 9
next(iter(number)) # error!(迭代器中没有元素了)


二.生成器(generator)
1.什么是生成器？
生成器是一种特殊的迭代器，相比迭代器中的数据完整存在，生成器使得我们按需生成数据，即边生成边用。

2.生成器的两种定义方式：
--列表推导式：如[x ** 2 for x in range(1, 10)]
--在for循环中使用yield关键字(替代print)

例子：
--用法1：
num_square = iter([x ** 2 for x in range(1, 10)])
next(num_square)  # 1
next(num_square)  # 2
...               # ...

--用法2：
def g(max):
  i = 1
  while i <= max:
    yield i ** 2
    i += 1
  return 'done'

g(6)  # <generator object g at 0x00000155E94ED200> 表示它是一个生成器

# 两种调用方法：next()方法或使用for循环
# 使用for循环输出打印(不能用next()方法调用函数g(max)，因为每一次调用都会对i重新初始化赋值为1，又生成器在yield关键字停止，会一只循环这个过程！)
for i in g(6):
  print (i)  # 注意这里有括号
# 1
# 4
# 9
# 16
# 25
# 36

[注意：这里没有return 'done'因为生成器每次被调用都会在yield关键字停止，下次调用时再从上一步停止的yield语句继续执行。这里前6步一直在while循环中，最后一步在yield 6**2处停止，并存储最后一个元素36.之后i=7之后不再符合while循环的条件，于是就没有再执行yield语句，生成器即不再生成存储元素。]

"""

参考博客：python迭代器和生成器-CSDN博客

Python 中的迭代器（iter、next）与生成器（yield）解析_iter next-CSDN博客