python中迭代器和可迭代对象的区别_Python 可迭代对象迭代器生成器的区别

生成器是一种特殊的迭代器，生成器自动实现了“迭代器协议”(即__iter__和next方法)，不需要再手动实现两方法。

首先从字面意思来解释Iterable和Iterator的区别

Iterable：由英文的命名规则知道，后缀是able的意思就是可怎么样的，因此iterable就是可迭代的意思 可迭代对象。

Iterator：由英文的命名规则知道，后缀是or或者er的都是指代名词，所以iterator的意思是迭代器。

这两个概念之间有一个包含与被包含的关系，如果一个对象是迭代器，那么这个对象肯定是可迭代的；但是反过来，如果一个对象是可迭代的，那么这个对象不一定是迭代器。

下面我们来具体了解下可迭代对象和迭代器：

可迭代：

如果给定一个list或者tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称之为迭代，在python中，迭代是通过for……in来完成的，它不仅可以用在list或tuple上，还可以用在其他可迭代对象上，那么我们怎么知道一个对象是否可迭代呢？方法是通过collections模块的 Iterable 类型判断：

>>> from collections import Iterable

>>> isinstance('abc', Iterable) # str是否可迭代

True

>>> isinstance([1,2,3], Iterable) # list是否可迭代

True

>>> isinstance(123, Iterable) # 整数是否可迭代

False

可以直接作用于for循环的对象统称为可迭代对象，一共有两类，一类是我们平时常用的python数据类型，如list，tuple，dict，set都是可迭代对象，字符串也是可迭代对象，但是整数就不是可迭代对象；另一类是generator(下面会给出简单讲解)

迭代器：

对于列表这种数据结构，里面的每一个元素我们都要在内存中为之开辟一个空间，不管你以后是否能用到它，如果要创建一个包含100万个元素的列表，但是只会用到其中几个元素，那么这样显然就很浪费内存，所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在python中这种一边循环一边计算的机制，称为生成器：generator。

要创建一个一个generator，有很多种方法，最简单的方法就是直接把一个列表生成器的[]改成()

>>> L = [x * x for x in range(10)]

>>> L

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

>>> g = (x * x for x in range(10))

>>> g

at 0x1022ef630>

可以看到创建的列表是将所有的元素都输出出来，而生成器只是生成一个对象，如果使用其中的元素，可以通过生成器的next来调用

>>> next(g)

0

>>> next(g)

1

>>> next(g)

4

>>> next(g)

9

>>> next(g)

16

>>> next(g)

25

>>> next(g)

36

>>> next(g)

49

>>> next(g)

64

>>> next(g)

81

>>> next(g)

Traceback (most recent call last):

File "", line 1, in

StopIteration

next方法太费劲，也可以通过for循环

>>> g = (x * x for x in range(10))

>>> for n in g:

... print(n)

...

0

1

4

9

16

25

36

49

64

81

以上是为后面要说的迭代器做铺垫，下面是重点

生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from collections import Iterator

>>> isinstance((x for x in range(10)), Iterator)

True

>>> isinstance([], Iterator)

False

>>> isinstance({}, Iterator)

False

>>> isinstance('abc', Iterator)

False

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

>>> isinstance(iter([]), Iterator)

True

>>> isinstance(iter('abc'), Iterator)

True

为什么list、dict、str等数据类型不是Iterator？

这时 因为python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前直到序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，如全体自然数，而列表是永远不可能存储全体自然数的。

总结：

凡是可作用于for循环的对象都是Iterable类型，可迭代对象；

凡是可用作next()函数的对象都是Iterator类型，它表示一个惰性计算的序列。

集合数据类型如list，dict，str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

生成器的创建：1.使用 for 循环的生成器推导式。2.调用带 yield 语句的生成器函数。

一.迭代器

通过iter()方法获得了list的迭代器对象，然后就可以通过next()方法来访问list中的元素了。当容器中没有可访问的元素后，next()方法将会抛出一个StopIteration异常终止迭代器。

二.生成器

如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器(Generator)