迭代器，生成器，可迭代对象；列表推导式，列表生成式

迭代器，生成器，可迭代对象；列表推导式，列表生成式

迭代

• 用途：遍历

• 适用对象：可遍历对象 Iterable

  from collections import Iterable
  val = []
  print(isinstance(val, Iterable))
  
  # 结果
  True
  

• 方式：for 变量 in 可迭代对象

  val = [1, 2, 3]
  for i in val:
      print(i)
      
  # 结果
  1
  2
  3
  

  • 对应字典的迭代
    • for k in dict.keys()
    • for v in dict.values()
    • for k, v in dict.items()

列表推导式与列表生成式

列表推导式

• 一般形式 [对变量的操作 for 变量 in 可迭代对象]

  val = [i*i for i in range(10)]
  print(val)
  
  # 结果
  [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
  

• 带判断的形式 [对变量的操作 for 变量 in 可迭代对象 if 对变量的判断]

  • 只有对变量的判断为True时，该才进行对该变量的操作

  val = [i*i for i in range(10) if i % 2 == 1] # 只有i%2==1时，才对i进行平方操作
  print(val)
  
  # 结果
  [1, 9, 25, 49, 81]
  

列表生成式

• 不同于列表推导式的一次性生成列表并返回，列表生成式而是返回一个生成器generator

  val = (i*i for i in range(10))
  print(type(val))
  
  # 结果
  <class 'generator'>
  

• 一般形式 (对变量的操作 for 变量 in 可迭代对象)

  • 使用next(生成器器)，进行取值

  val = (i*i for i in range(10))
  print(val)
  print(next(val))
  print(next(val))
  
  # 结果
  <generator object <genexpr> at 0x000001F779D7B258>
  0
  1
  

  • 当一直next()操作后，遍历结束，再next()则抛异常。StopIteration

• 带判断的形式 (对变量的操作 for 变量 in 可迭代对象 if 对变量的判断)

  • 使用next(生成器器)，进行取值

  val = (i*i for i in range(10) if i % 2 == 1) # 只有i%2==1时，才对i进行平方操作
  print(val)
  print(next(val))
  print(next(val))
  
  # 结果
  <generator object <genexpr> at 0x000002BC3F35B258>
  1
  9
  

  • 当一直next()操作后，遍历结束，再next()则抛异常。StopIteration

区别

1. 列表推导式用[]，列表生成式用()
2. 列表推导式一次性生成列表，并返回。列表生成式生成生成器，并返回，用next()取值。

生成器 generator

原因

• 通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。
• 如果列表元素可以按照某种算法推算出来，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中一边循环一边计算的机制，称为生成器：generator。

构建方式和访问（遍历）方式

• 实现方式：含有关键字yield的函数

  • 函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

• 比较

  def fib(num):
      n, a, b = 0, 0, 1
      while n < num:
          print(b)
          a, b = b, a + b
          n = n + 1
  	return('结束')
          
  res = fib(4)
  print(res)
  
  # 结果
  1
  1
  2
  3
  结束
  

  def fib(num):
      n, a, b = 0, 0, 1
      while n < num:
          yield b
          a, b = b, a + b
          n = n + 1
  
  # 使用next()变量，比较麻烦       
  res1 = fib(4)
  print(next(res1))
  print(next(res1))
  print(next(res1))
  print(next(res1))
  
  print('-'*40)
  # 使用for进行遍历
  res2 = fib(4)
  for elmnt in res2:
      print(elmnt)
  
  # 结果
  1
  1
  2
  3
  ----------------------------------------
  1
  1
  2
  3       
  

• 生成器的遍历方式

  • next(生成器)

  • for 变量 in 生成器

    其中，每次变量的值，都相当于next(生成器)，并且该方式不用判断异常。因为for自己会处理。

迭代器 iterator

for的适用对象→可迭代对象Iterable

• 可以直接作用于for循环的对象统称为可迭代对象：Iterable。
  • 集合数据类型：包括list，dict，tuple，set，str等
  • generator类型：列表生成器，带yield的函数

判断对象是否可被for循环

• 可以使用isinstance()判断一个对象是否是Iterable对象

  from collections.abc import Iterable
  print(isinstance([], Iterable))
  print(isinstance(1, Iterable))
  
  # 结果
  True
  False
  

迭代器，生成器和可迭代对象不是同一个东西

• 迭代器：
  • 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。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。
• 生成器：
  • 列表生成器
  • 带yield的函数
• 可迭代对象：
  • 可以被for作用的对象都是可迭代对象

为什么list、dict、str等数据类型不是Iterator？

• Iterator对象表示的是一个数据流，无法预知序列的长度。

结论

结论1

• 迭代器，生成器和可迭代对象不是同一种东西。
• 迭代器和和生成器一定是可迭代对象，因为被for作用。
• 可迭代对象不仅仅包括迭代器和生成器，还有其他的，比如list等。
  • 可迭代对象可以看做是某种数据结构具备的属性；迭代器和生成器可以看做是具备可迭代属性的数据结构。所以数据结构和属性之间并不相同。因为具备这种可迭代属性的数据结构有很多。
  • 数据结构类型≠属性

结论2

• 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

  val = iter([1, 2])
  print(type(val))
  
  # 结果
  <class 'list_iterator'>