迭代器模式

简介

参考链接：Python3 列表解析和迭代器的内存占用过程分析_Leon的博客-CSDN博客

迭代器，在Python类中实现__iter__()就是一个可迭代对象，如果同时实现了next()就是一个迭代器。

---

正文

其实不是很能理解为什么要使用迭代器模式

很多网上的文章，都说可以节省内存。在和朋友激烈的讨论之后，得出以下结论。迭代器只有在无中生有的情况下才会节省空间。

举个例子，斐波那系数，每一个next都是上两个数相加得到的，如果我们需要第9个数，则需要next 9次，但是前8次的内存会被释放掉，为了证明列表生成器的内存更小，参考了下面的列子

import timeit
import os 
import psutil

list = range(0,50000000)

# 计算占用内存
def show_memory_info(hint):
    pid = os.getpid()
    p = psutil.Process(pid)

    info = p.memory_full_info()
    memory = info.uss / 1024. / 1024
    print('{} memory used: {} MB'.format(hint, memory))

# 时间
start1 = timeit.default_timer()
# 1.普通方法遍历元素，append 到新列表
list1 = []
show_memory_info('1')
for x in (list):      
    if x > 4:
        list1.append(x)
show_memory_info('2')
end1 = timeit.default_timer()
print('Running time: {} Seconds'.format(end1 - start1))


# 2. 生成器生成元素到新列表，注意这里没有赋值到新列表
start2 = timeit.default_timer()

show_memory_info('3')

[x for x in (list) if x > 4]
show_memory_info('4')
end2 = timeit.default_timer()
print('Running time: {} Seconds'.format(end2 - start2))

测试结果如下：

1 memory used: 6.85546875 MB
2 memory used: 1942.71875 MB
Running time: 7.376570914 Seconds
3 memory used: 1942.71875 MB
4 memory used: 1382.83984375 MB
Running time: 6.350715519 Seconds

很明显发现列表生成及执行速度会比for循环快.（如果将列表换成元祖，执行速度更快，快了十倍不止。）原因百度查了一下说是，列表生成器底层使用C语言实现的，for循环则是先转换成pyc文件，再去Python虚拟机中转化成机器码执行。

下面再放一个斐波那系数的例子：

class Fibonacci():
    def __init__(self, num) -> None:
        self.a, self.b = 0,1
        self.index = 0
        self.num = num

    def __iter__(self):
        return self

    def __next__(self):
        tmp = self.a
        if self.index < self.num:
            self.a, self.b = self.b, self.a+self.b
            self.index += 1
        else:
            raise StopIteration
        return tmp

f = Fibonacci(10)

for i in f:
    print(i)

---

 

总结

总结出迭代器的优点是，可以节省空间，可以将生成的规律写进next中，比for循环快。

生成器就是迭代器，迭代器就是迭代对象

迭代对象不一定是迭代器，迭代器不一定是生成器

迭代对象__iter__()返回的就是一个迭代器