python将list转换为迭代器代码_python 怎么把list转换成迭代器

next方法：返回迭代器的下一个元素

__iter__方法：返回迭代器对象本身

下面用生成斐波那契数列为例子，说明为何用迭代器

代码1

def fab(max):

n, a, b = 0, 0, 1

while n < max:

print b

a, b = b, a + b

n = n + 1

直接在函数fab(max)中用print打印会导致函数的可复用性变差，因为fab返回None。其他函数无法获得fab函数返回的数列。

代码2

def fab(max):

L = []

n, a, b = 0, 0, 1

while n < max:

L.append(b)

a, b = b, a + b

n = n + 1    return L

代码2满足了可复用性的需求，但是占用了内存空间，最好不要。

代码3

对比

for i in range(1000): pass

for i in xrange(1000): pass

前一个返回1000个元素的列表，而后一个在每次迭代中返回一个元素，因此可以使用迭代器来解决复用可占空间的问题

class Fab(object):

def __init__(self, max):

self.max = max

self.n, self.a, self.b = 0, 0, 1

def __iter__(self):

return self

def next(self):

if self.n < self.max:

r = self.b

self.a, self.b = self.b, self.a + self.b

self.n = self.n + 1

return r

raise StopIteration()

执行

123456789

>>> for key in Fabs(5):    print key      11235

Fabs 类通过 next() 不断返回数列的下一个数，内存占用始终为常数

1.2 使用迭代器

使用内建的工厂函数iter(iterable)可以获取迭代器对象：

1234

>>> lst = range(5)>>> it = iter(lst)>>> it

使用next()方法可以访问下一个元素：

123456

>>> it.next()0>>> it.next()1>>> it.next()2

python处理迭代器越界是抛出StopIteration异常

123456789101112

>>> it.next()3>>> it.next>>> it.next()4>>> it.next() Traceback (most recent call last):  File "", line 1, in     it.next()StopIteration

了解了StopIteration，可以使用迭代器进行遍历了

lst = range(5)

it = iter(lst)try:    while True:

val = it.next()        print valexcept StopIteration:    pass

结果

123456

>>>01234

事实上，因为迭代器如此普遍，python专门为for关键字做了迭代器的语法糖。在for循环中，Python将自动调用工厂函数iter()获得迭代器，自动调用next()获取元素，还完成了检查StopIteration异常的工作。如下

>>> a = (1, 2, 3, 4)>>> for key in a:    print key

1

2

3

4

首先python对关键字in后的对象调用iter函数迭代器，然后调用迭代器的next方法获得元素，直到抛出StopIteration异常。

1.3 定义迭代器

下面一个例子——斐波那契数列

# -*- coding: cp936 -*-class Fabs(object):    def __init__(self,max):

self.max = max

self.n, self.a, self.b = 0, 0, 1  #特别指出：第0项是0，第1项是第一个1.整个数列从1开始

def __iter__(self):        return self    def next(self):        if self.n < self.max:

r = self.b

self.a, self.b = self.b, self.a + self.b

self.n = self.n + 1            return r        raise StopIteration()print Fabs(5)for key in Fabs(5):    print key

结果

123456

<__main__.fabs object at>11235

回到顶部

2. 生成器

带有 yield 的函数在 Python 中被称之为 generator(生成器)，几个例子说明下(还是用生成斐波那契数列说明)

可以看出代码3远没有代码1简洁，生成器(yield)既可以保持代码1的简洁性，又可以保持代码3的效果

代码4

def fab(max):

n, a, b = 0, 0, 1    while n < max:        yield b

a, b = b, a + b

n = n + 1

执行

123456789

>>> for n in fab(5):    print n      11235

简单地讲，yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 fab(5) 不会执行 fab 函数，而是返回一个 iterable 对象！在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

也可以手动调用 fab(5) 的 next() 方法(因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法)，这样我们就可以更清楚地看到 fab 的执行流程：

12345678910111213

>>> f = fab(3)>>> f.next()1>>> f.next()1>>> f.next()2>>> f.next() Traceback (most recent call last):  File "", line 1, in     f.next()StopIteration

return作用

在一个生成器中，如果没有return，则默认执行到函数完毕；如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。例如

123456789

>>> s = fab(5)>>> s.next()1>>> s.next() Traceback (most recent call last):  File "", line 1, in     s.next()StopIteration

代码5  文件读取

def read_file(fpath):

BLOCK_SIZE = 1024

with open(fpath, 'rb') as f:

while True:

block = f.read(BLOCK_SIZE)

if block:

yield block

else:

return

如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取。