迭代器
一、可迭代对象
可直接作用于for循环类型:
集合数据类型,如 list,tuple,dict,set,string等
generator,包括生成器和带yield的函数
这些统称为可迭代对象,Iterable
可以使用isinstance()来判断一个对象是否是Iterable:
True
>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance((),Iterable)
True
>>> isinstance("china",Iterable)
True
>>> isinstance(123,Iterable) #数字不是
False
>>> isinstance(range(10),Iterable)
True
>>> isinstance((x for x in range(10)),Iterable)
True
注:而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。
二、迭代器
迭代器(Iterator):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:
>>> isinstance([],Iterator)
False
>>> isinstance({},Iterator)
False
>>> isinstance((),Iterator)
False
>>> isinstance((x for x in range(10)),Iterator)
True
生成器都是Iterator对象,但是想list、dict、tuple、string虽然也是Iterable,却不是迭代器(Iterator)。
三、iter()函数
我们可以使用iter()函数将可迭代对象(Iterable)变成迭代器(Iterator)
把list、dict、str等Iterable变成Iterator可以使用iter()函数:
>>> isinstance(iter([]),Iterator)
True
>>> isinstance(iter({}),Iterator)
True
>>> isinstance(iter(()),Iterator)
True
>>> isinstance(iter("sssss"),Iterator)
True
你可能会问,为什么list、dict、str等数据类型不是Iterator?
这是因为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,但我们却不能提前知道序列的长度,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,例如全体自然数。而使用list是永远不可能存储全体自然数的。
四、可迭代对象的循环
g = (x for x in range(5))
for i in g:
print(i)
#其实相当于
it = iter([0,1,2,3,4])
#print(type(it))
while True:
try:
x = next(it)
print(x)
except StopIteration:
break
五、总结
凡是可作用于for循环的对象都是Iterable类型
凡是可作用于next()函数的对象都是Iterator类型,它们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。