1.2.3 python迭代对象、迭代器、生成器

本章引言

        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。

常用容器

       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

 

可迭代对象(iterable)

        迭代（iter）：相当于针对一个容器中的所有元素进行每一次的遍历过程（迭代一次实际就等价于循环一次）；       

       我们都知道，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；可迭代对象必然会满足迭代协议，必然会存在一个内置方法__iter__；

>>> list1 = [1, 2, 3]>>> iter1 = iter(list1)>>> iter2 = iter(list1)>>> next(iter1)1>>> next(iter1)2>>> next(iter2)1>>> type(list1)<class 'list'>>>> type(liter1)<class 'list_iterator'>

       这里list1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，并不是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。iter1和iter2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。

上述iter1实际执行情况是：

迭代器(iterator)

       迭代器是一个带状态的对象，他能在你调用next()方法的时候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。

所以，迭代器就是实现了工厂模式的对象，它在你每次你询问要下一个值的时候给你返回。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)>>> next(counter)13>>> next(counter)14

 

从一个有限序列中生成无限序列：​​​​​​​

>>> from itertools import cycle>>> names = cycle(['wood', 'programming', 'best'])>>> next(names)'wood'>>> next(names)'programming'>>> next(names)'best'>>> next(names)'wood'

 

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：​​​​​​​

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用户维护迭代器内部的状态。每次调用next()方法的时候做两件事：

1. 为下一次调用next()方法修改状态

2. 为当前这次调用生成返回结果

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

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生成值。用生成器来实现斐波那契数列的例子是：​​​​​​​

def fib():    prev, curr = 0, 1    while True:        yield curr        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的时候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，可以用更少地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，当然它可以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

生成器表达式(generator expression)

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

>>> gen1 = (x*x for x in range(10))>>> gen1<generator object <genexpr> at 0x401f08>>>> sum(gen1)285

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（用在for，while等语句中），因此他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。

需要了解更多可关注以下公众号，每日更新一篇测试开发文章