Python 迭代器（Iterator）

 

目录

一、什么是迭代器

二、可迭代的对象

三、创建一个迭代器

四、迭代器的应用

五、小结

---

---

一、什么是迭代器

迭代是python中访问集合元素的一种非常强大的一种方式。迭代器是一个可以记住遍历位置的对象，因此不会像列表那样一次性全部生成，而是可以等到用的时候才生成，因此节省了大量的内存资源。迭代器对象从集合中的第一个元素开始访问，直到所有的元素被访问完。迭代器有两个方法：iter（）和next（）方法。

二、可迭代的对象

类似于list、tuple、str 等类型的数据可以使用for …… in…… 的循环遍历语法从其中依次拿到数据并进行使用，我们把这个过程称为遍历，也称迭代。python中可迭代的对象有list（列表）、tuple（元组）、dirt（字典）、str（字符串）set等。

mylist = [1,2,3,4,5]
mydirt = {
    "name":"张三",
    "sex":"男",
    "age":18
    }
    
mytuple = (1,2,3,4,5)
myset = {1,2,3,3,4}

for i in mylist:
    print(i)

for i in mytuple:
    print(i)

for i in myset:
    print(i)

for i,j in mydirt.items():
    print("%s:%s" % (i,j))

除此之外，也可以创建一个可迭代的对象：只要此对象含有__iter__方法，那么它就是一个可迭代的对象，如下面的例子：其中定义了一个__iter__方法，我们通过isinstance（）函数以及Iterable来判断由Classmate类创建的class1对象是否是可迭代的对象：若class1是一个Iterable（可迭代对象）则结果返回为True；否则，结果为False。

from collections import Iterable


class Classmate(object):
    """定义一个同学类"""

    def __init__(self):
        self.name = list()
        self.name_num = 0

    def add(self,name):
        self.name.append(name)
    
    def __iter__(self):
        pass

    
class1 =  Classmate()
class1.add("张三")
class1.add("李四")
class1.add("王五")

print("判断是否是可迭代的对象：", isinstance(class1,Iterable))

运行结果如下：

三、创建一个迭代器

1.一个类（对象）只要含有“__iter__”、"__next__"两个方法，就将其称为迭代器。__iter__方法返回一个特殊的迭代器对象，而这个迭代器对象自动实现了_next__方法，并返回一个值，最后通过抛出异常StopIteration来结束迭代。我们来给上一个例子增加__next__方法：

from collections import Iterable
from collections import Iterator


class Classmate(object):
    """定义一个同学类"""

    def __init__(self):
        self.name = list()
        self.name_num = 0

    def add(self,name):
        self.name.append(name)
    
    def __iter__(self):
        pass

    def __next__(self):
       pass


class1 =  Classmate()
class1.add("张三")
class1.add("李四")
class1.add("王五")

print("判断是否是可迭代的对象：", isinstance(class1,Iterable))

print("判断是否是迭代器：", isinstance(class1,Iterator))

还是通过isinstance（）函数来判断，如果class1是一个迭代器（Iterator），则结果返回True；否则返回False。运行结果如下：

2.只是名义上的 可迭代对象/迭代器 还不够，具有相应的功能才算是完整。首先，对于__iter__方法，它需要具有一个可以返回一个迭代器对象的功能（这个对象可以是自己(前提是本身就是一个迭代器），也可以是其它迭代器）；对于__next__方法，它需要标记并返回下一个迭代器对象。代码如下（为防止迭代速度过快，我们添加sleep来控制速度）：

from collections import Iterable
from collections import Iterator
import time


class Classmate(object):
    """定义一个同学类"""

    def __init__(self):
        self.name = list()
        self.name_num = 0

    def add(self,name):
        self.name.append(name)
    
    def __iter__(self):
        return self   # 返回本身

    def __next__(self):
       
       # 记忆性返回数据
       if self.name_num < len(self.name):
           ret = self.name[self.name_num]
           self.name_num += 1
           return ret



class1 =  Classmate()
class1.add("张三")
class1.add("李四")
class1.add("王五")

print("判断是否是可迭代的对象：", isinstance(class1,Iterable))

print("判断是否是迭代器：", isinstance(class1,Iterator))

for name in class1:
    print(name)
    time.sleep(1)

运行结果如下:

可以发现，当需要读取的内容读取完之后不会停止，而是无限循环的继续返回空值。因此我们可以为其添加抛出异常（StopIteration，python中用于标标识迭代完成，防止出现无限循环的情况）的程序，当需要的数据读取完成时就抛出异常，从而结束：

from collections import Iterable
from collections import Iterator
import time


class Classmate(object):
    """定义一个同学类"""

    def __init__(self):
        self.name = list()
        self.name_num = 0

    def add(self,name):
        self.name.append(name)
    
    def __iter__(self):
        return self   # 返回本身

    def __next__(self):
       if self.name_num < len(self.name):
           ret = self.name[self.name_num]
           self.name_num += 1
           return ret

        # 抛出异常，当循环后自动结束
       else:
           raise StopIteration


class1 =  Classmate()
class1.add("张三")
class1.add("李四")
class1.add("王五")

print("判断是否是可迭代的对象：", isinstance(class1,Iterable))

print("判断是否是迭代器：", isinstance(class1,Iterator))

for name in class1:
    print(name)
    time.sleep(1)

运行结果如下：

四、迭代器的应用

迭代器最核心的功能就是可以通过__next__方法的调用来返回下一个值。而这个值不是从已有的数据中读取的，而是通过程序按照一定的规则生成的。这也就意味着我们可以不再依赖一个现存的数据集合来存放数据，而是边用边生成，这样的好处就是可以节省大量的内存空间。我们通过对比以下问题的两个解决方法，来进一的理解其应用优势：

问题：试编写一个程序实现斐波那契数列（0,1,1,2,3,5,8,13,21……后一项总是等于前两项的和）：

方法一：

a = 0
b = 1
myFibonacci = list()

nums = int(input("请输入需要生成Fibonacci数列项的个数："))

i = 0
while i < nums:
    myFabonacci.append(a)
    a,b = b,a+b
    i += 1

for num in nums:
    print(num)

方法二：

class Fibonacci(object):
    """斐波那契数列得迭代器"""
    def __init__(self,nums):
        self.nums = nums   # 传入参数，生成斐波那契数列的个数
        self.a = 0   
        self.b = 1
        self.i =0    # 用于记忆生成的个数
    def __iter__(self):
        return self

    def __next__(self):
           
       ret = self.a   # 记忆第一个数

       if self.i < self.nums:
            self.a, self.b = self.b,self.a +self.b
            self.i += 1
            return ret
       else:
           raise StopIteration   # 停止迭代

nums = int(input("请输入需要生成Fibonacci数列项的个数："))
fobo = Fibonacci(nums)

for num in fobo:
    print(num)

假如我们需要生成10个Fibonacci数列的项，两者的运行结果相同，如下：

虽然结果相同，但实际效果却相差巨大。来看一下方法一，他是通过while循环立即生成一个列表用来存放数据，接着再从已有的数据中读取所需数据，而这需要占用一定的内存空间；再来看一下方法二，它并没有用到列表，而是返回一个迭代器，在需要的时候生成相关数据。纵观以上两种方法，在生成个数较小时，两者相差不大，但当生成个数是10万，100万，1000万呢？前者需要消耗大量的内存资源，而后者仅需占用一点内存即可。这也是python2中range（）函数和python3中range（）函数的不同点，python3的range（）函数采用了迭代器的方式，不再依赖于现有的数据集合，也就相当于python2中的xrange()函数。

五、小结：

1.可迭代对象不一定是迭代器。

2.迭代器一定是可迭代对象。

3.容器类型（list tuple dict str set ）是可迭代对象但不是迭代器。