迭代器
我们已经知道,可以直接作用于for
循环的数据类型有以下几种:
一类是集合数据类型,如list
、dict
、tuple
、set
、str
等;
一类是generator
,包括生成器和带yield
的generator function。
这些可以直接作用于for
循环的对象统称为可迭代对象:Iterable
。
可以使用isinstance()
判断一个对象是否是Iterable
对象:
>>> from collections.abc import Iterable
>>> isinstance([], Iterable)#list列表数据类型
True
>>> isinstance({}, Iterable)#dict字典数据类型
True
>>> isinstance('abc', Iterable)#str字符串数据类型
True
>>> isinstance((x*x for x in range(5)), Iterable)#生成器generator
True
>>> isinstance(100, Iterable)#number数字数据类型
False
而生成器不仅可以作用于for
循环,还可以被next()
函数不断调用并返回下一个值,直到最后抛出StopIteration
错误,提示无法继续返回下一个值了。
可以被next()
函数调用并不断返回下一个值的对象称为迭代器:Iterator
。
可以使用isinstance()
判断一个对象是否是Iterator
对象:
>>> from collections.abc import Iterator
>>> isinstance((x*x for x in range(5)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
可以看出,生成器generator
都是Iterator
对象,但是list
、dict
、str
是Iterable
对象都不是Iterator
对象。
但是我们是可以通过iter()
函数将他们从Iterable
变成Iterator
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
那么,为什么list
、dict
、str
数据类型不是Iterator
?
这是因为Python的
Iterator
对象表示的是一个数据流,Iterator
对象可以被next()
函数调用并不断返回下一个数据,直到没有数据时抛出StopIteration
错误。可以把这个数据流看做是一个有序序列,但我们却不能提前知道序列的长度,只能不断通过next()
函数实现按需计算下一个数据,所以Iterator
的计算是惰性的,只有在需要返回下一个数据时它才会计算。
Iterator
甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。
Python的for
循环本质上就是通过不断调用next()
函数实现的,例如:
for x in [1, 2, 3, 4, 5]:
pass
实际上等价于:
# 首先获得Iterator对象:
num = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(num)
except StopIteration:
# 遇到StopIteration就退出循环
break
接下来的几天我们要开始学习函数式编程了,加油!