理解python迭代器和生成器

更多精彩内容，欢迎关注微信公众号: tmac_lover

迭代器和生成器是python中一个很重要的语法，使用也很广泛。

迭代器

举个例子：

for i in [1, 2, 3, 4]:
  print(i)

类似这样的代码平时很常见，这里其实就用到了迭代器。

可迭代对象

要理解迭代器，首先要理解可迭代对象。那什么是可迭代对像呢？

python内置的几种数据结构：字符串(str)，列表(list)，元组(tuple)，字典(dict)，集合(set)都是可迭代对象。

除此之外，那些实现了__iter__()魔法函数的对象，也是可迭代对象。比如：

class MyIter:
  def __init__(self):
    pass

  def __iter__(self):
    yield 1	# __iter__()需要返回一个迭代器

a = MyIter()	# 对象a就是一个可迭代的对象

有两个很简单的判断是不是可迭代对象的方法：

# -*- coding: utf-8 -*-
from collections.abc import Iterable

print(isinstance([1,2,3], Iterable))

或者：

# -*- coding: utf-8 -*-
def is_iterable(obj):
  try:
    iter(obj)
      return True
  except Exception:
    return False

都可以判断对象是不是可迭代的(iterable)。

迭代器

迭代器可以通过next()方法不断重复获取下一个值，直到所有元素全部输出完之后，返回StopIteration才停止。在python3中同时实现在__iter__()和__next__()两个魔法函数的对象，就是迭代器。其中__iter__()方法需要返回一个迭代器, 而__next__()方法返回下一个返回值或者StopIteration。比如：

class MyIter:
  def __init__(self):
    self.cnt = 0

  def __iter__(self):
    # 因为实现在__next__,所以自身就是一个迭代器,这里就可以返回自己
    return self

  def __next__(self):
    return 1

对可迭代的对象，使用iter()方法，也会返回一个迭代器，如：

iter([1, 2, 3, 4])

文章开头的for循环遍历列表的例子，实际上在运行时，由解释器帮助我们对列表[1, 2, 3, 4]调用了iter()方法，将其转换成迭代器，然后每次使用next()取一个值出来。

生成器

生成器可以理解成一种特殊的迭代器。它和迭代器的区别在于，生成器并不是一上来就把所有值装载进内存，因而也不会占用大量的内存，只是在需要使用next()函数获取值的时候，才会取一个值返回，内存开销非常小。

python3中最简单的形式是生成器表达式，它有点像列表推导式：

gen = (i for i in range(10000))

还有一种很常见的写法是在函数里使用yield返回一个生成器：

def generator(k):
  i = 1
  while True:
    yield i ** k	#使用yield
    i += 1

gen = generator(2)
for i in range(4):
  sum = 0
  sum += next(gen)  #相当于每次使用next()之后，generator函数停止了