Python 中可迭代对象、迭代器和生成器的判断总结

Python 中可迭代对象、迭代器和生成器的判断总结

一、判断方法

1. 可迭代对象和迭代器

  以下任何一种方法都可以区分开可迭代对象和迭代器：

• 是否有 __next__() 方法。可迭代对象没有__next__() 方法，而迭代器有。
• 通过 collections 模块的 Iterator 属性判断。若 obj 为迭代器，isinstance(obj, Iterator) 为 True；若 obj 仅为可迭代对象，isinstance(obj, Iterator) 为 False。

2. 迭代器和生成器

  以下任何一种方法都可以区分开迭代器和生成器：

• 实现时是否使用了 yield 语句。生成器本质上是一个函数，使用 yield 语句来实现。
• 通过 collections 模块的 Generator 属性判断。若 obj 为生成器，isinstance(obj, Generator) 为 True；若 obj 仅为迭代器，isinstance(obj, Generator) 为 False。
• 使用 type 函数。生成器使用 type(obj) 返回的结果是 ‘generator’，若 obj 仅为迭代器，返回的结果不是如此。

二、区别和相同点

1. 可迭代对象和迭代器

1.1 区别

• 可迭代对象不一定是迭代器，但是迭代器一定是可迭代对象。
• 可迭代对象支持 __iter__() 方法，而迭代器支持 __iter__() 方法和 __next__() 方法。
• 可迭代对象能逐一返回其成员项，而且次数无限制，而迭代器表示一个数据流，含义类似于指针，总是指向当前位置并知道下一个位置。迭代器不断使用 next() 函数调用时，从首项开始不断返回下一项数据直至耗尽（不能回退），耗尽后抛出 Stopiteration 异常，无法再次访问元素。若要再次访问，需要重新定义迭代器。

1.2 相同点

  由于两者都是可迭代对象，相同点即为可迭代对象的特点：

• isinstance(obj, Iterable) 的结果均为 True。通过 collections 模块的 Iterable 属性判断。
• 都可以使用 for x in X 语句取出迭代的内容。
• 使用 iter() 函数可以将可迭代对象转化为迭代器，使用 list() 函数可以将迭代器转化为可迭代对象。

2. 迭代器和生成器

2.1 区别

• 迭代器不一定是生成器，生成器一定是迭代器。
• 迭代器是访问容器的一种方式，也就是说容器已经出现，因此迭代器针对的是已经存在的数据序列。而生成器则是自己生成元素的，一边循环一边计算，完整的序列可能并不存在，而是在需要的时候才计算出来。
• 在实现上，写一个迭代器需要实现 __next__() 和 __iter__() 函数，而实现生成器时，用 yield 就能实现。生成器实现较为简单。
• 生成器本质上是一个函数，迭代器本质上是一个类。

2.2 相同点

• 生成器实现了迭代器的接口，因此两者均满足迭代器特性。
• 两者都是一次性的，均只能遍历一遍（间接遍历也算，例如 list(obj) 算是迭代器间接遍历了一遍），若要再次访问，需要重新定义对象。

三、常见的可迭代对象和迭代器

1. 是可迭代对象但不是迭代器

• 列表（list）。
• 字典（dict）。
• 元组（tuple）。
• 集合（set）。
• 字符串（str）。
• 范围（range）。
• array 数组（numpy.ndarray）。
• DataFrame 对象（pandas.core.frame.DataFrame）。
• DataLoader 对象（torch.utils.data.dataloader.DataLoader）。

2. 是迭代器但不是生成器

• enumerate(obj)（枚举，obj 可以是可迭代对象、迭代器、生成器）。
• zip（把可迭代对象打包成元组）。
• filter（filter 函数对可迭代对象操作）。
• map（map 函数对可迭代对象操作）。

3. 生成器

• KFold().split()、StratifiedKFold().split()、GroupKFold().split() 和 StratifiedGroupKFold().split() 函数的返回值。

参考资料

  1.https://blog.csdn.net/PSpiritV/article/details/124542208
  2.https://blog.csdn.net/Cobrander2_0/article/details/127343089
  3.https://blog.csdn.net/qq_39478403/article/details/105840170
  4.https://blog.csdn.net/panc_guizaijianchi/article/details/117515913
  5.https://www.xiaohongshu.com/explore/63ee196500000000130125b1