Python学习笔记（4）：容器、迭代对象、迭代器、生成器、生成器表达式

在了解Python的数据结构时，容器(container)、可迭代对象(iterable)、迭代器(iterator)、生成器(generator)、列表/集合/字典推导式(list,set,dict comprehension)众多概念参杂在一起，难免让初学者一头雾水，我将用一篇文章试图将这些概念以及它们之间的关系捋清楚。

1. 容器(container)

容器是一种把多个元素组织在一起的数据结构，容器中的元素可以逐个地迭代获取，可以用in, not in关键字判断元素是否包含在容器中。通常这类数据结构把所有的元素存储在内存中（也有一些特例，并不是所有的元素都放在内存，比如迭代器和生成器对象）在Python中，常见的容器对象有：

• list, deque, ….
• set, frozensets, ….
• dict, defaultdict, OrderedDict, Counter, ….
• tuple, namedtuple, …
• str

容器比较容易理解，因为你可以把它看作是一个盒子、一栋房子、一个柜子，里面可以塞任何东西。从技术角度来说，当一个对象被询问是否某个元素包含在其中时，那么这个对象就可以认为是一个容器，比如list，set，tuples都是容器对象：

print(assert 1 in [1, 2, 3])      # lists

print(assert 4 not in [1, 2, 3])

print(assert 1 in {1, 2, 3})      # sets

print(assert 4 not in {1, 2, 3})

print(assert 1 in (1, 2, 3))      # tuples

print(assert 4 not in (1, 2, 3))

询问某元素是否用dict中的key：

d = {1: 'foo', 2: 'bar', 3: 'qux'}

print(assert 1 in d)
print(assert 'foo' not in d)  # 'foo' 不是dict中的元素

询问某substring是否在string中：

s = 'foobar'

print(assert 'b' in s)
print(assert 'x' not in s)
print(assert 'foo' in s)

尽管绝大多数容器都提供了某种方式来获取其中的每一个元素，但这并不是容器本身提供的能力，而是可迭代对象赋予了容器这种能力。

当然并不是所有的容器都是可迭代的，比如：Bloom filter，虽然Bloom filter可以用来检测某个元素是否包含在容器中，但是并不能从容器中获取其中的每一个值，因为Bloom filter，布隆过滤器压根就没把元素存储在容器中，而是通过一个散列函数映射成一个值保存在数组中。

2. 可迭代对象(iterable)

刚才说过，很多容器都是可迭代对象，此外还有更多的对象同样也是可迭代对象，比如处于打开状态的files，sockets等。但凡是可以返回一个迭代器的对象，都可称之为可迭代对象，听起来可能有点困惑，没关系，先看一个例子：

x = [1, 2, 3]

y = iter(x)
z = iter(x)

print(next(y))            # 1
print(next(y))            # 2
print(next(z))            # 1
print(type(x))            # <class 'list'>
print(type(y))            # <class 'list_iterator'>

这里的x是一个可迭代对象，可迭代对象和容器一样是一种通俗的叫法，并不指某种具体的数据类型：list是可迭代对象，dict是可迭代对象，set也是可迭代对象。
y和z是两个独立的迭代器，迭代器内部持有一个状态，该状态用于记录当前迭代所在的位置，以方便下次迭代的时候获取正确的元素。迭代器有一种具体的迭代器类型，比如list_iterator，set_iterator。可迭代对象实现了iter方法，该方法返回一个迭代器对象。

当运行代码：

x = [1, 2, 3]

for elem in x:
.
.
.

实际执行情况是：

反编译该段代码，你可以看到解释器显示地调用GET_ITER指令，相当于调用iter(x)，FOR_ITER指令就是调用next()方法，不断地获取迭代器中的下一个元素，但是你没法直接从指令中看出来，因为它被解释器优化过了。

import dis

x = [1, 2, 3]
dis.dis('for _ in x: pass')

'''反编译后，得到的指令
 1           0 SETUP_LOOP              12 (to 14)
              2 LOAD_NAME                0 (x)
              4 GET_ITER
        >>    6 FOR_ITER                 4 (to 12)
              8 STORE_NAME               1 (_)
             10 JUMP_ABSOLUTE            6
        >>   12 POP_BLOCK
        >>   14 LOAD_CONST               0 (None)
             16 RETURN_VALUE
'''

3. 迭代器(iterator)

那么什么是迭代器呢？它是一个带状态的对象，能在你调用next()方法时，返回容器中的下一个值。任何实现了iter和next()（python2中实现next()）方法的对象都是迭代器，iter返回迭代器自身，next返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常，至于它们到底是如何实现的这并不重要。

所以，迭代器就是实现了工厂模式的对象，它在你每次询问要下一个值时，给你返回。有很多关于迭代器的例子，比如itertools函数返回的都是迭代器对象。

• 生成无限序列

from itertools import count

counter = count(start=13)

print(next(counter))   # 13
print(next(counter))   # 14

• 从一个有限序列中生成无限序列

from itertools import cycle

colors = cycle(['red', 'white', 'blue'])

print(next(colors))        # 'red'
print(next(colors))        # 'white'
print(next(colors))        # 'blue'
print(next(colors))        # 'red'

• 从无限的序列中生成有限序列

from itertools import islice

colors = cycle(['red', 'white', 'blue'])  # infinite
limited = islice(colors, 0, 4)            # finite

for x in limited:                         
    print(x)

'''输出对象    
red
white
blue
red
'''

为了更直观地感受迭代器内部的执行过程，我们自定义一个迭代器，以斐波那契数列为例

from itertools import islice

class Fib:
    def __init__(self):
        self.prev = 0
        self.curr = 1

    def __iter__(self):
        return self

    def __next__(self):
        value = self.curr
        self.curr += self.prev
        self.prev = value
        return value

f = Fib()
list(islice(f, 0, 10))        # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

Fib既是一个可迭代对象（因为它实现了iter方法），又是一个迭代器（因为实现了next方法）；实例变量prev和curr用于维护迭代器内部的状态；每次调用next()方法时，python做了两件事：

1. 为当前这次调用生成返回结果
2. 为下一次调用next()方法修改状态

迭代器就像一个懒加载的工厂，等到有人需要的时候才生成值并返回，没调用的时候就处于休眠状态，等待下一次调用。

4. 生成器(generator)

生成器算得上是Python语言中最吸引人的特性之一，生成器其实是一种特殊的迭代器，不过这种迭代器更加优雅。它不需要再像上面的类一样写iter()和next()方法了，只需要一个yiled关键字。 生成器一定是迭代器（反之不成立），因此任何生成器也是以一种懒加载的模式来生成值。用生成器来实现斐波那契数列：

from itertools import islice

def fib():
    prev, curr = 0, 1
    while True:
        yield curr           # 循环探针yield
        prev, curr = curr, curr + prev

f = fib()
list(islice(f, 0, 10))       # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

fib就是一个普通的python函数，它特殊的地方在于函数体中没有return关键字，函数的返回值是一个生成器对象。当执行f=fib()返回的是一个生成器对象，此时函数体中的代码并不会执行，只有显示或隐示地调用next时，才会真正执行里面的代码。

生成器在Python中是一个非常强大的编程结构，可以用更少的中间变量写流式代码。此外，相比其它容器对象，它更能节省内存和CPU，用更少的代码来实现相似的功能。现在就可以动手重构你的代码了，但凡看到类似：

def something():
    result = []
    for ... in ...:
        result.append(x)
    return result

都可以用生成器函数来替换：

def iter_something():
    for ... in ...:
        yield x

5. 生成器表达式(generator expression)

生成器表达式是列表推导式的生成器版本，看起来像列表推导式，但它返回的是一个生成器对象而不是列表对象。

a = (x*x for x in range(10))

print(sum(a))         # 285
a                     # <generator object <genexpr> at 0x401f08>

6. 总结

• 容器是一系列元素的集合，str、list、set、dict、file、sockets对象都可以看作是容器。容器都可以被迭代（for，while等语句），因此它们被称为可迭代对象。

• 可迭代对象实现了iter方法，该方法返回一个迭代器对象。

• 迭代器持有一个内部状态的字段，用于记录下次迭代返回值，它实现了next和iter方法，迭代器不会一次性把所有元素加载到内存，而是需要的时候才生成返回结果。
• 生成器是一种特殊的迭代器，它的返回值不是通过return而是用yield。
  
  

7. 参考文章

http://python.jobbole.com/87805/