【重学Python】：Python 拓展之迭代器

最新推荐文章于 2024-10-01 05:04:32 发布

Python_魔力猿

最新推荐文章于 2024-10-01 05:04:32 发布

阅读量36

点赞数

文章标签： python windows 开发语言

本文链接：https://blog.csdn.net/weixin_68789096/article/details/135166763

版权

写在之前

今天来讲讲「迭代器」的内容，其实已经拖了好多天了，感觉再不写就要忘记了。「迭代」相信对你来说已经不陌生了，我前面曾经专门用一篇文章来讲，如果你已经没有什么印象的话，就再点进去看看（零基础学习 Python 之初识迭代）。

迭代器

首先我们先来看一种检查是否可迭代的方法：

>>> hasattr(list,'__iter__')

True

可以用上面的这种方法检查已经学习过的其他默认类型的对象，比如字符串，列表，字典等是否是可迭代的。

iter() 是一个特殊方法，它是迭代规则的基础，有了它，就说明对象是可迭代的。跟迭代有关的一个内建函数 iter()，这个函数我们在之前的文章中介绍过，它返回的是一个迭代器对象，比如像下面这样：

>>> list1 = [1,2,3,4]

>>> iter_list = iter(list1)

>>> iter_list

<list_iterator object at 0x00000000021CE438>

从上述代码的结果可以看出，iter_list 引用的是迭代器对象。那么在这里有一个问题，iter_list 和 list1 有区别吗？我们来试一下：

>>> hasattr(list1,'__iter__')

True

>>> hasattr(iter_list,'__iter__')

True

从上面看出它们都有 iter，说明它们都是可迭代的。

>>> hasattr(list1,"__next__")

False

>>> hasattr(iter_list,"__next__")

True

我们把像 iter_list 所引用的对象那样，称之为「迭代器对象」。显而易见的是，迭代器对象必然是可迭代的，反正则不一定。且 Python 中迭代器对象实现的是 next() 方法。

为了体现一下 Python 在这的强大之处，我们先来写一个迭代器对象：

class MyRange:

   def __init__(self,n):

       self.i = 1

       self.n = n



   def __iter__(self):

       return self



   def __next__(self):

       if self.i <= self.n:

           i = self.i

           self.i += 1

           return i

       else:

           raise StopIteration()

if __name__ == "__main__":

   x = MyRange(5)

   print([i for i in x])

上述代码的运行结果如下所示：

[1,2,3,4,5]

上述的代码仿写了类似 range() 的类，但是与 range() 又有所不同，除了结果不同以外还包括以下 2 点：

1.iter() 是类中的核心，它返回了迭代器的本身，一个实现了 iter() 方法的对象，就意味着它是可迭代的。

2.实现了 next() 方法，从而使得这个对象是迭代器对象。

接下来我们来看看 range() 本身：

>>> a = range(5)

>>> hasattr(a,'__iter__')

True

>>> hasattr(a,'__next__')

False

>>> print(a)

range(0, 5)

由上面我们就可以看出，其实我们所写的类和 range() 本身还是有很大区别的。

通过上面的内容和我们之前的文章对迭代的讲述，下面我们对迭代器做一个概括：

1.在 Python 中，迭代器是遵循迭代协议的对象。我们可以使用 iter() 从任何序列得到迭代器（exp: list，turple，set and so on）。

2.当自己编写迭代器的类的时候，其中实现 iter() 和 next() 方法，如果没有元素的话，会引发 StopIteration 异常。

3.如果有很多值的话，列表会占用太多的内存，而迭代器则占用的更少，它从第一个元素开始访问，直到所有的元素被访问完结束，只能向前冲，不能后退。

迭代器不仅仅是实用而已，而且也非常的有趣，让我们来看下面的操作：

>>> list1 = [x**x for x in range(3)]

>>> list1

[1, 1, 4]

>>> for i in list1:print(i)

...

1

1

4

>>> for i in list1:print(i)

...

1

1

4

我们在上面重复两次调用列表 list1 进行循环，都是能正常进行的，这个列表相当于一个可以长久使用的东西，可以重复使用。

在 Python 中，除了列表解析式以外，还可以做成元组解析式，方法也是非常的简单：

>>> tuple1 = (x**x for x in range(3))

>>> tuple1

<generator object <genexpr> at 0x0000000001DF16D8>

>>> for i in tuple1:print(i)

...

1

1

4

>>> for i in tuple1:print(i)

...

对于 tuple1，我们可以看到它是一个 generator 对象，关于这个是啥我们先不管，后面我会单独来说的。当我们把它用到循环中的时候，它明显是个一次性用品，再次使用的时候它就什么也不显示了。

>>> type(list1)

<class 'list'>

>>> type(tuple1)

<class 'generator'>

由上面可以看出，list1 和 tuple1 是两种不同的对象，它们之间的区别不仅仅是 tuple1 是一个元组这么简单，它还是 generator。其它的我们先不管，你可以尝试一下在交互模式下输入 dir(tuple1)，查看它是否有 iter 和 next，我可以先告诉你，是有的。

既然是有的，那么 tuple1 引用的就是一个迭代器的对象，它的 next() 方法促使它只能向前。