python迭代器使用_详解Python中的迭代器和使用

对于一个列表，a = [1, 2, 3, 4]，我们最常见的遍历方式就是：

a = [1, 2, 3, 4]for item ina:print item

这里我们研究一种新的方式，就是迭代器。

在C++的STL中大量使用了迭代器，迭代器的作用当然就是遍历容器中的元素，而且他的好处就在于分离了容器的实现和遍历操作，不管我们使用什么类型的容器，使用迭代器的操作几乎是如出一辙。

看下面的代码：

>>> a = [2, 3, 4]>>> it =iter(a)>>> printit.next()2

>>> printit.next()3

>>> printit.next()4

>>> printit.next()

Traceback (most recent call last):

File"", line 1, in StopIteration>>>

在上面的代码中，iter函数创建了一个可以迭代的对象，然后每次调用next方法，都能从其中取出元素。当没有元素可以迭代时，便抛出一个异常StopIteration。

所以我们上面的for循环可以这样改写：

a = [1, 2, 3, 4]

it=iter(a)

item=NonewhileTrue:try:

item=it.next()exceptStopIteration:break

print item #do_something

如何创建迭代器

现在我们想对我们自定义的class进行迭代操作，应该怎么办？

这里的关键是实现__iter__和next两个函数。

#!/usr/bin/env python#coding: utf-8

classIterList:def __init__(self, elem):

self.iter=iter(elem)def __iter__(self):returnselfdefnext(self):returnself.iter.next()if __name__ == '__main__':

a= [1, 2, 3, 4]

test=IterList(a)for item intest:print item

这里我们仅仅是对class内部持有的元素做了一个包装，我们的__iter__返回的是自身，next则是调用的存储的iter的next方法。

现在我们提供一个稍微复杂的版本，这个版本可以允许向next函数传递参数，指定取出几个值。

#!/usr/bin/env python#coding: utf-8

classIterList:def __init__(self, elem):

self.iter=iter(elem)def __iter__(self):returnselfdef next(self, howmany=1):

result=[]for i inrange(howmany):try:

result.append(self.iter.next())exceptStopIteration:raise

returnresultif __name__ == '__main__':

s= range(20)

test=IterList(s)printtest.next()printtest.next()print test.next(3)

这个例子能够让我们更加清晰的认识到next函数的工作原理。

用迭代器实现斐波那契数列

我们再给出最后一个关于斐波那契数列的例子：

对于斐波那契数列，我们可以这样实现：

deffab(max):

n, a, b= 0, 0, 1L=[]while n

L.append(b)

a, b= b, a +b

n= n + 1

returnLif __name__ == '__main__':for i in fab(5):print i

上面的fab函数返回一个列表，记录斐波那契数列的值。

但是，当max过大的时候，fab就必须生成一个巨大的列表，这不仅占用大量内存，也会消耗过多的时间。

下面我们使用迭代器，给出一个更加高效的实现：

classFab(object):def __init__(self, max):

self.max=max

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

def __iter__(self):returnselfdefnext(self):if self.n

r=self.b

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

self.n= self.n + 1

returnrraiseStopIteration()if __name__ == '__main__':for i in Fab(5):print i

这个版本高效在何处？

之前的版本是预先把一个巨大的结果生成，然后逐个去遍历，而这里调用Fab时，仅仅做了一个简单的初始化工作，真正的计算则是发生在每次迭代调用next的时候。所以这里不会占用过大的内存，而且不需要预先计算，也节约了时间。