迭代器 生成器

迭代器

迭代是访问集合元素的⼀种⽅式。迭代器是⼀个可以记住遍历的位置的 对象。迭代器对象从集合的第⼀个元素开始访问，直到所有的元素被访 问完结束。迭代器只能往前不会后退。

可迭代对象

我们已经知道可以对list、tuple、str等类型的数据使⽤for…in…的循环语法从 其中依次拿到数据进⾏使⽤，我们把这样的过程称为遍历，也叫迭代。

如何判断一个对象是否可迭代

可以使⽤ isinstance() 判断⼀个对象是否是 Iterable 对象：

In	[50]:	from	collections	import	Iterable

In	[51]:	isinstance([],	Iterable) 
Out[51]:	True

In	[52]:	isinstance({},	Iterable) 
Out[52]:	True

In	[53]:	isinstance('abc',	Iterable) 
Out[53]:	True

In	[54]:	isinstance(mylist,	Iterable) 
Out[54]:	False

In	[55]:	isinstance(100,	Iterable)
Out[55]:	False

可迭代对象的本质

我们分析对可迭代对象进⾏迭代使⽤的过程，发现每迭代⼀次（即在for…in… 中每循环⼀次）都会返回对象中的下⼀条数据，⼀直向后读取数据直到迭代 了所有数据后结束。那么，在这个过程中就应该有⼀个“⼈”去记录每次访问 到了第⼏条数据，以便每次迭代都可以返回下⼀条数据。我们把这个能帮助 我们进⾏数据迭代的“⼈”称为迭代器(Iterator)。

可迭代对象的本质就是可以向我们提供⼀个这样的中间“⼈”即迭代器帮助我 们对其进⾏迭代遍历使⽤。

可迭代对象通过 iter ⽅法向我们提供⼀个迭代器，我们在迭代⼀个可 迭代对象的时候，实际上就是先获取该对象提供的⼀个迭代器，然后通过这 个迭代器来依次获取对象中的每⼀个数据.

那么也就是说，⼀个具备了 iter ⽅法的对象，就是⼀个可迭代对象。

class Classmate(object):
    def __init__(self):
        self.names = list()
        self.current_num = 0

    def add(self, name):
        self.names.append(name)

    def __iter__(self):
        """如果想要一个对象称为一个　可以迭代的对象，即可以使用for，那么必须实现__iter__方法"""
        return self  # 调用iter(xxobj)的时候 只要__iter__方法返回一个 迭代器即可，至于是自己 还是 别的对象都可以的, 但是要保证是一个迭代器(即实现了 __iter__  __next__方法)

    def __next__(self):
        if self.current_num < len(self.names):
            ret = self.names[self.current_num]
            self.current_num += 1
            return ret
        else:
            raise StopIteration


classmate = Classmate()
classmate.add("老王")
classmate.add("王二")
classmate.add("张三")

# print("判断classmate是否是可以迭代的对象:", isinstance(classmate, Iterable))
# classmate_iterator = iter(classmate)
# print("判断classmate_iterator是否是迭代器:", isinstance(classmate_iterator, Iterator))
# print(next(classmate_iterator))

for name in classmate:
    print(name)
    time.sleep(1)

iter()函数与next()函数

list、tuple等都是可迭代对象，我们可以通过iter()函数获取这些可迭代对象 的迭代器。然后我们可以对获取到的迭代器不断使⽤next()函数来获取下⼀ 条数据。iter()函数实际上就是调⽤了可迭代对象的 iter ⽅法。

如何判断⼀个对象是否是迭代器

可以使⽤ isinstance() 判断⼀个对象是否是 Iterator 对象：

In	[56]:	from	collections	import	Iterator
In	[57]:	isinstance([],	Iterator)
Out[57]:	False

In	[58]:	isinstance(iter([]),	Iterator)
Out[58]:	True

In	[59]:	isinstance(iter("abc"),	Iterator) 
Out[59]:	True

迭代器lterator

通过上⾯的分析，我们已经知道，迭代器是⽤来帮助我们记录每次迭代访问 到的位置，当我们对迭代器使⽤next()函数的时候，迭代器会向我们返回它所 记录位置的下⼀个位置的数据。实际上，在使⽤next()函数的时候，调⽤的就 是迭代器对象的 next ⽅法（Python3中是对象的 next ⽅法， Python2中是对象的next()⽅法）。所以，我们要想构造⼀个迭代器，就要实 现它的 next ⽅法。但这还不够，python要求迭代器本身也是可迭代 的，所以我们还要为迭代器实现 iter ⽅法，⽽ iter ⽅法要返回 ⼀个迭代器，迭代器⾃身正是⼀个迭代器，所以迭代器的 iter ⽅法返 回⾃身即可。

⼀个实现了 iter ⽅法和 next ⽅法的对象，就是迭代器。

class MyList(object):
    """自定义的一个可迭代对象"""
    def __init__(self):
        self.items = []

    def add(self, val):
        self.items.append(val)

    def __iter__(self):
        myiterator = MyIterator(self)
        return myiterator


class MyIterator(object):
    """自定义的供上面可迭代对象使用的一个迭代器"""
    def __init__(self, mylist):
        self.mylist = mylist
        # current用来记录当前访问到的位置
        self.current = 0

    def __next__(self):
        if self.current < len(self.mylist.items):
            item = self.mylist.items[self.current]
            self.current += 1
            return item
        else:
            raise StopIteration

    def __iter__(self):
        return self


if __name__ == '__main__':
    mylist = MyList()
    mylist.add(1)
    mylist.add(2)
    mylist.add(3)
    mylist.add(4)
    mylist.add(5)
    for num in mylist:
        print(num)

for…in…循环的本质

for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable 的迭代器，然后对获取到的迭代器不断调⽤next()⽅法来获取下⼀个值并将其 赋值给item，当遇到StopIteration的异常后循环结束。

迭代器的应用场景

我们发现迭代器最核⼼的功能就是可以通过next()函数的调⽤来返回下⼀个数 据值。如果每次返回的数据值不是在⼀个已有的数据集合中读取的，⽽是通 过程序按照⼀定的规律计算⽣成的，那么也就意味着可以不⽤再依赖⼀个已 有的数据集合，也就是说不⽤再将所有要迭代的数据都⼀次性缓存下来供后 续依次读取，这样可以节省⼤量的存储（内存）空间。

举个例⼦，⽐如，数学中有个著名的斐波拉契数列（Fibonacci），数列中第 ⼀个数为0，第⼆个数为1，其后的每⼀个数都可由前两个数相加得到：
0, 1, 1, 2, 3, 5, 8, 13, 21, 34, …

现在我们想要通过for…in…循环来遍历迭代斐波那契数列中的前n个数。那么 这个斐波那契数列我们就可以⽤迭代器来实现，每次迭代都通过数学计算来 ⽣成下⼀个数。

class FibIterator(object):
    """斐波那契数列迭代器"""
    def __init__(self, n):
        """
        :param n: int, 指明生成数列的前n个数
        """
        self.n = n
        # current用来保存当前生成到数列中的第几个数了
        self.current = 0
        # num1用来保存前前一个数，初始值为数列中的第一个数0
        self.num1 = 0
        # num2用来保存前一个数，初始值为数列中的第二个数1
        self.num2 = 1

    def __next__(self):
        """被next()函数调用来获取下一个数"""
        if self.current < self.n:
            num = self.num1
            self.num1, self.num2 = self.num2, self.num1+self.num2
            self.current += 1
            return num
        else:
            raise StopIteration

    def __iter__(self):
        """迭代器的__iter__返回自身即可"""
        return self


if __name__ == '__main__':
    fib = FibIterator(10)
    for num in fib:
        print(num, end=" ")

并不是只有for循环能接收可迭代对象

除了for循环能接收可迭代对象，list、tuple等也能接收。

li = list(FibIterator(15))
print(li)
tp = tuple(FibIterator(6))
print(tp)

⽣成器

利⽤迭代器，我们可以在每次迭代获取数据（通过next()⽅法）时按照特定的 规律进⾏⽣成。但是我们在实现⼀个迭代器时，关于当前迭代到的状态需要 我们⾃⼰记录，进⽽才能根据当前状态⽣成下⼀个数据。为了达到记录当前 状态，并配合next()函数进⾏迭代使⽤，我们可以采⽤更简便的语法，即⽣成 器(generator)。
⽣成器是⼀类特殊的迭代器。

创建⽣成器⽅法1

要创建⼀个⽣成器，有很多种⽅法。第⼀种⽅法很简单，只要把⼀个列表⽣ 成式的 [ ] 改成 ( )

In	[15]:	L	=	[	x*2	for	x	in	range(5)]
In	[16]:	L 
Out[16]:	[0,	2,	4,	6,	8]

In	[17]:	G	=	(	x*2	for	x	in	range(5))

In	[18]:	G 
Out[18]:	<generator	object	<genexpr>	at	0x7f626c132db0>

In	[19]:
In	[19]:	next(G) 
Out[19]:	0

In	[20]:	next(G) 
Out[20]:	2

In	[21]:	next(G) 
Out[21]:	4

In	[22]:	next(G) 
Out[22]:	6

In	[23]:	next(G) 
Out[23]:	8

In	[24]:	next(G) ------------------------------------------------------------------------StopIteration																													Traceback	(most	recent	call	las <ipython-input-24-380e167d6934>	in	<module>() ---->	1	next(G)
StopIteration:
In	[25]:

In	[26]:	G	=	(	x*2	for	x	in	range(5))

In	[27]:	for	x	in	G:			....:					print(x)			....:					0 2 4 6 8

In	[28]

创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是⼀个列表，⽽ G 是⼀个 ⽣成器。我们可以直接打印出列表L的每⼀个元素，⽽对于⽣成器G，我们可 以按照迭代器的使⽤⽅法来使⽤，即可以通过next()函数、for循环、list()等⽅ 法使⽤。

创建生成器方法2

generator⾮常强⼤。如果推算的算法⽐较复杂，⽤类似列表⽣成式的 for 循 环⽆法实现的时候，还可以⽤函数来实现。
我们仍然⽤上⼀节提到的斐波那契数列来举例，回想我们在上⼀节⽤迭代器 的实现⽅式：

class FibIterator(object):
    """斐波那契数列迭代器"""
    def __init__(self, n):
        """
        :param n: int, 指明生成数列的前n个数
        """
        self.n = n
        # current用来保存当前生成到数列中的第几个数了
        self.current = 0
        # num1用来保存前前一个数，初始值为数列中的第一个数0
        self.num1 = 0
        # num2用来保存前一个数，初始值为数列中的第二个数1
        self.num2 = 1

    def __next__(self):
        """被next()函数调用来获取下一个数"""
        if self.current < self.n:
            num = self.num1
            self.num1, self.num2 = self.num2, self.num1+self.num2
            self.current += 1
            return num
        else:
            raise StopIteration

    def __iter__(self):
        """迭代器的__iter__返回自身即可"""
        return self

在使⽤⽣成器实现的⽅式中，我们将原本在迭代器 next ⽅法中实现的 基本逻辑放到⼀个函数中来实现，但是将每次迭代返回数值的return换成了 yield，此时新定义的函数便不再是函数，⽽是⼀个⽣成器了。

简单来说：只 要在def中有yield关键字的 就称为 ⽣成器

此时按照调⽤函数的⽅式( 案例中为F=fib(5) )使⽤⽣成器就不再是执⾏函数 体了，⽽是会返回⼀个⽣成器对象（ 案例中为F ），然后就可以按照使⽤迭 代器的⽅式来使⽤⽣成器了。

生成器要点

使⽤了yield关键字的函数不再是函数，⽽是⽣成器。（使⽤了yield的函 数就是⽣成器）
yield关键字有两点作⽤： 保存当前运⾏状态（断点），然后暂停执⾏，即将⽣成器（函数） 挂起
将yield关键字后⾯表达式的值作为返回值返回，此时可以理解为起 到了return的作⽤

可以使⽤next()函数让⽣成器从断点处继续执⾏，即唤醒⽣成器（函数）

Python3中的⽣成器可以使⽤return返回最终运⾏的返回值，⽽Python2 中的⽣成器不允许使⽤return返回⼀个返回值（即可以使⽤return从⽣成 器中退出，但return后不能有任何表达式）。

使⽤send唤醒

我们除了可以使⽤next()函数来唤醒⽣成器继续执⾏外，还可以使⽤send()函 数来唤醒执⾏。使⽤send()函数的⼀个好处是可以在唤醒的同时向断点处传 ⼊⼀个附加数据。
例⼦：执⾏到yield时，gen函数作⽤暂时保存，返回i的值; temp接收下次 c.send(“python”)，send发送过来的值，c.next()等价c.send(None)

def create_num(all_num):
    a, b = 0, 1
    current_num = 0
    while current_num < all_num:
        ret = yield a
        print(">>>ret>>>>", ret)
        a, b = b, a+b
        current_num += 1

obj = create_num(10)

# obj.send(None)  # send一般不会放到第一次启动生成器，如果非要这样做 那么传递None

ret = next(obj)
print(ret)

# send里面的数据会 传递给第5行，当做yield a的结果，然后ret保存这个结果,,, 
# send的结果是下一次调用yield时 yield后面的值
ret = obj.send("hahahha")  
print(ret)

exit(?)