说一说Generator和Iterator

On the way of Pythonic...

Generator和iterator相伴相生，却不尽相同。

生成器(generator)

generator通常也是可迭代的，但并非是一次性生成所有迭代成员的列表，而是在循环的过程中通过next()方法不断获取后续元素。所以generator的存在可以节省内存资源（假如需要迭代一个包含海量数据的列表，那所占用的内存也会是不可忽略的)

下面的代码就可以获得一个generator：

from types import GeneratorType
from collections import Iterable, Iterator

g = (x for x in range(10))
print(isinstance(g, GeneratorType))
print(isinstance(g, Iterable))
print(isinstance(g, Iterator))

>>>
True
True
True

我们也可以自己定义一个generator,当然这就要用到yield关键字

from types import GeneratorType
from collections import Iterable, Iterator
def fib(max):
   a, b = 0, 1
   while True:
       if b > max:
           return
       else:
           yield b
           a, b = b, a+b
           print(a, b)
 
print(isinstance(fib(5), GeneratorType))
print(isinstance(fib(5), Iterable))
print(isinstance(fib(5), Iterator))

for f in fib(5):
   print f

>>>
True
True
True
1
(1, 1)
1
(1, 2)
2
(2, 3)
3
(3, 5)
5
(5, 8)

• fib(5)就是一个generator, 同样也是一个iterator，所以支持用for来进行迭代。
• yield和return同样都返回函数的值，区别在于return的返回是一次性的。yield只是返回了generator的一次迭代值， 函数的代码在yield返回迭代值后就会停止本次执行，yield之后以及之前的代码都只会在下次迭代执行。
• generator在迭代完所有的值后，再次迭代（执行next()方法）会自动抛出StopIteration异常。但在for循环中无需处理该异常, 循环能够正常结束。

迭代器(iterator)

可以通过next()方法不断调用下一个迭代值的对象成为迭代器，迭代器支持for循环进行迭代。

• 可迭代(Iterable)的数据类型包括，list, tuple, dict, set, str等，但这些数据类型并不是Iterator
• Generator同样也是一个iterator，并且也是一种Iterable的数据类型

from types import GeneratorType
from collections import Iterable, Iterator
print(isinstance([], GeneratorType))
print(isinstance([], Iterable))
print(isinstance([], Iterator))
print(isinstance(iter([]), Iterator))
>>>
False
True
False
True

• 如果有必要，可以使用iter()函数将Iterabe的对象转换成Iterator对象。

To be continue...