可迭代对象、迭代器、生成器 - 总结

关于这两几个概念，前后看了很多次，终于有些明白了，在这里做个总结！

一、涉及到的内置方法

__iter__()

可迭代对象都具有该方法，该方法返回的是当前对象（实例本身就是迭代对象： return self ）

__next__()

返回迭代的每一步，实现该方法时注意要最后超出边界要抛出StopIteration异常

from collections import Iterable, Iterator


a_list = [1, 2, 3]
print('a_list 是可迭代器吗？ ', isinstance(b, Iterator))
a_list_iterator = iter(a_list)    # 创建迭代器对象
print(a_list_iterator.__next__())
print(a_list_iterator.__next__())
print(a_list_iterator.__next__())
print(a_list_iterator.__next__())



>>>
a_list 是可迭代器吗？  False
1
2
3
Traceback (most recent call last):
  File "E:/test python/iterator_test.py", line 59, in <module>
    print(a_list_iterator.__next__())
StopIteration

 

二、可迭代对象

实现了__iter__方法，称为可迭代对象，像list、dict对象，但不一定有__next__方法。

from collections import Iterable, Iterator


b = [x+1 for x in range(0, 5)]
c = iter(b)             # 返回迭代器

print type(c)
print 'b 是可迭代对象', isinstance(b, Iterable)
print 'b 是可迭代器', isinstance(b, Iterator)
print 'c 是可迭代器', isinstance(c, Iterator)


>>>
<type 'listiterator'>    # 列表类型迭代器
b 是可迭代对象 True
b 是可迭代器 False
c 是可迭代器 True

那有人问了，不具有__next__方法，为什么for循环可以输出呢？

因为处理这些数据前，for循环会调用 __iter__() 方法，将这些数据转化为一个迭代器，然后依次调用__next__()，并处理StopIteration异常， 实现for循环。

三、迭代器

实现了__iter__和__next__方法，迭代器一定是可迭代对象，是一个可以记住遍历的位置的对象，它从集合的第一个元素开始访问，直到所有的元素被访问完结束，只能往前不会后退。

 

四、生成器

特殊的迭代器，yield关键字可返回一个迭代器，包括值和状态，生成器终结时,还会自动抛出 StopIteration 异常

生成器函数：利用关键字yield一次返回一个结果，并在下一次执行 next() 方法时从当前位置继续运行

生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果

缺点：因为是惰性计算，所以它并不知道序列中有多少元素，也不知道下个元素是什么，每次执行next方法才会产生下一个元素。

优点：按要求返回一个对象，而不是构建一个列表，从而节约了内存空间。

"""生成器函数"""

def iterator_test():
    for i in range(10):
        yield i


a = iterator_test()
print a.next()              # 记录了状态
print a.next()


>>>
0
1

"""生成器表达式"""

a = (i+1 for i in range(5))
print a
print type(a)


>>>
<generator object <genexpr> at 0x0000000003676D80>
<type 'generator'>

生成器与迭代器的区别：生成器可以自动创建了 iter()和 next()方法，特别简洁，使用生成器表达式取代列表解析可以同时节省内存。