Python中的迭代器：深入理解与实用指南

迭代器是Python中非常核心的概念之一，在面试中也会被问到。下面我会详细介绍什么是迭代器，使用方法，以及使用自定义迭代器来优化代码。

1. 迭代器的基本概念

在Python中，迭代器是实现了迭代器协议的对象，即它们具备了__iter__()和__next__()这两个方法。__iter__()方法返回迭代器对象本身，而__next__()方法则返回容器中的下一个元素。当容器中没有更多元素时，__next__()会抛出一个StopIteration异常来通知迭代终止。

示例图：

示例代码：

numbers = [1, 2, 3]
iter_obj = iter(numbers)  # 创建迭代器对象
print(next(iter_obj))  # 输出: 1
print(next(iter_obj))  # 输出: 2
print(next(iter_obj))  # 输出: 3
try:
    print(next(iter_obj))  # 超出范围，将抛出StopIteration异常
except StopIteration:
    print("迭代完成")

通过这个简单的例子可以看到迭代器如何在Python列表上工作，以及当所有元素被遍历完毕后如何正确地处理StopIteration异常。

2. Python中的迭代器实例

许多内置数据类型在Python中都支持迭代器，例如列表、元组、字典和集合等。此外，文件对象也是可迭代的，这使得读取文件变得极为便捷。

示例代码：

# 迭代字典
my_dict = {"apple": "red", "banana": "yellow", "cherry": "red"}
for key in my_dict:
    print(f"{key}: {my_dict[key]}")

# 文件迭代
with open("example.txt", "r") as file:
    for line in file:
        print(line.strip())

例子说明：

• 通过在字典my_dict上使用for循环，直接迭代访问了其所有键，并打印出相应的键值对。
• 打开了一个文件，并使用for循环逐行读取，这里文件对象自身就是一个迭代器，它按需加载数据，非常适合读取大文件。

3. 自定义迭代器

创建自己的迭代器：这需要定义一个类并实现__iter__()和__next__()方法。可以让对象支持迭代，提供更多的灵活性和功能。

3.1 例子

class CountDown:
    def __init__(self, start):
        self.current = start
    def __iter__(self):
        return self
    def __next__(self):
        if self.current > 0:
            num = self.current
            self.current -= 1
            return num
        raise StopIteration

# 使用自定义迭代器
counter = CountDown(3)
for num in counter:
    print(num)  # 输出: 3, 2, 1

这个自定义迭代器CountDown从一个指定的起始数开始向下倒数。每次调用__next__()方法时，它检查当前数是否大于0，如果是，则返回当前数并将其递减，直到达到0时抛出StopIteration异常，表明迭代结束。

3.2 详细过程

我觉得有必要分析一下这个代码的详细执行过程

当创建CountDown类的一个实例（counter = CountDown(3)），只有__init__方法被立即执行。__iter__方法是在迭代器被实际用于迭代时才调用，通常是在for循环或其他形式的迭代开始时。下面详细说明这个过程：

1. 创建实例：当执行counter = CountDown(3)时：

   • __init__(self, start)方法被调用，其中self是CountDown的一个新实例，start是传入的参数3。

   • 在__init__方法内，实例的current属性被设置为3，初始化完成后，__init__方法结束。

2. 开始迭代：当for num in counter:执行时：

   • 首先尝试获取counter对象的迭代器，这会自动调用counter.__iter__()方法。

   • 在CountDown类中，__iter__()方法定义为返回自身（return self），因此counter本身作为迭代器参与迭代过程。

   • 现在counter已经准备好按需返回值，等待for循环调用__next__()。

3. 迭代过程：for 循环调用counter.__next__()：

   • 检查current的值是否大于0。

   • 如果大于0，返回current的当前值，并将current减1。

   • 如果current已经为0，__next__()方法抛出StopIteration异常，通知for循环迭代已结束。

现在对实例的创建和迭代过程应该很清晰了，__init__方法在实例创建时执行来设置初值，而__iter__和__next__则是在迭代实际发生时调用。__iter__返回迭代器（这里是实例自身），并且__next__用于在每次迭代中逐步递减计数，直到抛出StopIteration。

4. 迭代器的高级应用

迭代器不仅可以用于简单的数据遍历，还可以用于更复杂的数据处理任务，如在数据流中实现映射和过滤操作。

示例代码：

# 使用迭代器实现一个简单的map-reduce
nums = [1, 2, 3, 4, 5]
squared = map(lambda x: x ** 2, nums)
total = sum(squared)
print(total)  # 输出: 55

上面使用了map()函数，它本身返回一个迭代器。map()应用了一个函数到nums列表的每个元素上，将每个元素平方。然后使用sum()函数直接求出所有平方数的总和。

5. 常见问题与解答

Q: 迭代器和生成器有什么区别？ A: 生成器是一种特殊类型的迭代器，可以通过函数来实现，使用yield语句返回每次迭代的值。生成器通常用于更复杂或更大数据集的惰性处理。

Q: 为什么要使用迭代器？ A: 迭代器提供了一种统一的方法来逐个访问集合中的元素，而不需要知道集合的内部结构。它们还有助于保持代码的可读性和内存效率，特别是处理大型数据集时。

---

参考：What are Iterators and Iterables in Python

推荐：

• python 错误记录
• python 笔记