python 迭代器和生成器
迭代器和生成器
迭代器和生成器的基本概念
-
迭代器
迭代器（Iterator）是同时实现__iter__() 与 __next__()方法的对象。 -
生成器
Python 中，提供了两种
生成器（Generator），一种是生成器函数，另一种是生成器表达式。- 生成器函数：包含
yeild的函数称为生成器函数 - 生成器表达式：与列表推导式类似，区别是使用
（）进行包裹 例：(i for i in range(10))
- 生成器函数：包含
迭代器（Iterator）
可迭代对象
可迭代对象，可以简单理解为可遍历对象，即能够使用 for循环遍历的对象。Python中常见的可迭代对象有：
- 一类是集合数据类型和迭代器，如
list、tuple、dict、set、str 和实现了__next__方法的类对象； - 一类是
generator，包括生成器和带yield的generator function。
对于Python中的任意对象，只要它定义了可以返回一个迭代器的 __iter__ 方法，或者定义了可以支持下标索引的 __getitem__ 方法，那么它就是一个可迭代对象。对可迭代对象使用 __iter__ 方法后，会返回一个迭代器。
我们只需要使用 isinstance(object, Iterable)即可判断给定的 object是否为可迭代对象。
from collections.abc import Iterable
isinstance([1, 2, 3], Iterable) # True
isinstance((1, 2, 3), Iterable) # True
isinstance('123', Iterable) # True
isinstance({1, 2, 3}, Iterable) # True
isinstance(range(3), Iterable) # True
isinstance({'key': 'value'}, Iterable) # True
isinstance(123, Iterable) # False
严格来讲，isinstance() 只会将有 iter 方法的对象判断为 Iterable。换言之，仅用 getitem 方法实现的可迭代对象会被 isinstance() 误判为不可迭代对象。最正确的做法是直接尝试 iter(object)，如果没有报错，则说明 object 是可迭代对象。
将可迭代对象转换成迭代器
我们可以使用iter()方法将现有的可迭代对象转化为可迭代器：
s = '12345'
myiter = iter(s)
myiter
# 不断调用 next()方法来依次获取迭代器的元素：
next(myiter)
# '1'
next(myiter)
# '2'
next(myiter)
# '3'
next(myiter)
# '4'
next(myiter)
# '5'
next(myiter)
# StopIteration:
可见迭代器执行到最后时会抛出一个 StopIteration异常。为避免这种异常，我们完全可以用更简单的 for循环去遍历：
for e in myiter:
print(e)
# 1
# 2
# 3
# 4
# 5
构造迭代器
构造一个迭代器只需要在自定义的类中实现两个方法：__iter__ 和 __**next__**
迭代器是一个可以记住遍历位置的对象。迭代器对象会从第一个元素开始访问，直到所有元素都被访问为止，且只能前进不能后退。当我们构造类时，必须要有一个名为 __**init**()__的函数，该函数可以在实例化时进行一些初始化。__**iter**()__ 方法的行为类似，可以执行操作（初始化等），但必须始终返回迭代器对象本身。__**next**()__方法还允许你进行其他操作，并且必须返回序列中的下一项。
class MyIter:
def __iter__(self):
self.count = 1
return self
def __next__(self):
x = self.count
self.count += 1
return x
我们创建了一个返回数字的迭代器，每次序列的数值都将 +1
myiter = iter(MyIter())
next(myiter)
# 1
next(myiter)
# 2
next(myiter)
# 3
如果我们一直调用 next()的方法，则序列的值将会无限递增下去。即如果我们使用 for循环去遍历上述迭代器，循环将永远进行下去。
myiter = iter(MyIter())
for e in myiter:
print(e)
# 循环将一直进行下去...
为了防止迭代永远进行下去，我们可以在迭代次数达到一定值时抛出 StopIteration异常。
class MyIter:
def __iter__(self):
self.count = 1
return self
def __next__(self):
if self.count <= 5:
x = self.count
self.count += 1
return x
else:
raise StopIteration
这样再执行 for循环就不会一直进行下去了：
myiter = iter(MyIter())
for e in myiter:
print(e)
# 1
# 2
# 3
# 4
# 5
生成器 (Generator)
在Python中，一边迭代（循环）一边计算的机制，称为生成器。生成器能够迭代的关键是因为它有一个 __next__方法。
为什么要有生成器呢？我们知道，列表中的所有数据都存储在内存中，如果有海量数据的话将会非常消耗内存。很多时候，我们只需要访问列表中前面的元素，这样一来后面的元素所占用的空间就白白浪费了。
如果列表元素能够按照某种算法推算出来，那我们就可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的列表，从而节省了大量的空间（即用多少就生成多少）。
有以下两种常用方法来创建生成器：
- 将列表解析式中的
[]改为()。 - 在自定义的函数中使用
yield关键字。此时这个函数就不再是一个普通函数，而是一个生成器，调用该函数就是创建了一个生成器对象。
使用()构造生成器
比较以下两段代码：
'''列表'''
a = [x for x in range(3)]
type(a)
# list
'''生成器'''
a = (x for x in range(3))
type(a)
# generator
可以对生成器使用 next()方法：
next(a)
# 0
next(a)
# 1
next(a)
# 2
next(a)
# StopIteration:
但一般我们不会用 next()来获取下一个返回值，而是直接使用 for循环来迭代。
for i in a:
print(i)
使用带yield关键词的函数构造生成器
带有 yield的函数不再是一个普通函数，而是一个生成器。yield相当于return一个值，并且记住这个返回的位置，下次迭代时，代码从 yield的下一条语句
开始执行。
- 例子
def foo():
print("starting...")
while True:
res = yield 4
print("res:",res)
g = foo()
print(next(g))
print("*"*20)
print(next(g))
- 输出
starting...
4
********************
res: None
4
- 程序开始执行以后，因为foo函数中有yield关键字，所以foo函数并不会真的执行，而是先得到一个生成器g(相当于一个对象)
- 直到调用next方法，foo函数正式开始执行，先执行foo函数中的print方法，然后进入while循环
- 程序遇到yield关键字，然后把yield想想成return,return了一个4之后，程序停止，并没有执行赋值给res操作，此时next(g)语句执行完成，所以输出的前两行（第一个是while上面的print的结果,第二个是return出的结果）是执行print(next(g))的结果，
- 程序执行print("*"20)，输出20个
- 又开始执行下面的print(next(g)),这个时候和上面那个差不多，不过不同的是，这个时候是从刚才那个next程序停止的地方开始执行的，也就是要执行res的赋值操作，这时候要注意，这个时候赋值操作的右边是没有值的（因为刚才那个是return出去了，并没有给赋值操作的左边传参数），所以这个时候res赋值是None,所以接着下面的输出就是res:None,
- 程序会继续在while里执行，
参考
python中yield的用法详解–最简单，最清晰的解释_冯爽朗的博客-CSDN博客_python yield
Python中的迭代器与生成器_Lareges的博客-CSDN博客_python的迭代器和生成器
python中生成器与迭代器到底有什么区别？一文带你彻底搞清楚