迭代器和生成器进一步的认识

 

迭代器出现的目的是为了提升建立数据结构时的效率(下降cpu和减小内存资源的占用)

 

class mylist(object):
    def __init__(self,num):
        self.num = num
        self.list = [num+1,num+2,num+3]

    def __iter__(self):
        return mylistiterator(self.list)


class mylistiterator(object):
    def __init__(self,data):
        self.data = data
        self.now = 0
    def __iter__(self):
        return self

    def __next__(self):
        while self.now<len(self.data):
            self.now += 1
            return self.data[self.now-1]
        raise StopIteration

my_list = mylist(5)
print(type(my_list))
for i  in my_list:
    print(i)

打印结果:

生成器（range就是一个生成器）是一种特殊的迭代器，生成器自动实现了“迭代器协议”（即__iter__和next方法），不须要再手动实现两方法。

生成器在迭代的过程当中能够改变当前迭代值，而修改普通迭代器的当前迭代值每每会发生异常，影响程序的执行。

def myList(num):  # 定义生成器
    now = 0  # 当前迭代值，初始为0
    while now < num:
        val = (yield now)  # 返回当前迭代值，并接受可能的send发送值；yield在下面会解释
        now = now + 1 if val is None else val  # val为None，迭代值自增1，不然从新设定当前迭代值为val


my_list = myList(5)  # 获得一个生成器对象

print(my_list.__next__())  # 返回当前迭代值
print(my_list.__next__())

print(my_list.send(3))  # 从新设定当前的迭代值
print(my_list.__next__())

print
dir(my_list)

打印结果:

 具备yield关键字的函数都是生成器，yield能够理解为return，返回后面的值给调用者。不一样的是return返回后，函数会释放，而生成器则不会。在直接调用next方法或用for语句进行下一次迭代时，生成器会从yield下一句开始执行，直至遇到下一个yield。

三者简要关系图

 

 

可迭代对象与迭代器

刚开始我认为这二者是等同的，但后来发现并非这样；下面直接抛出结论：

1）可迭代对象包含迭代器。
2）若是一个对象拥有__iter__方法，其是可迭代对象；若是一个对象拥有next方法，其是迭代器。
3）定义可迭代对象，必须实现__iter__方法；定义迭代器，必须实现__iter__和next方法。

你也许会问，结论3与结论2是否是有一点矛盾？既然一个对象拥有了next方法就是迭代器，那为何迭代器必须同时实现两方法呢？

由于结论1，迭代器也是可迭代对象，所以迭代器必须也实现__iter__方法。

介绍一下上面涉及到的两个方法：

1）__iter__()

该方法返回的是当前对象的迭代器类的实例。由于可迭代对象与迭代器都要实现这个方法，所以有如下两种写法。

写法一：用于可迭代对象类的写法，返回该可迭代对象的迭代器类的实例。

写法二：用于迭代器类的写法，直接返回self（即本身自己），表示自身便是本身的迭代器。

也许有点晕，不要紧，下面会给出两写法的例子，咱们结合具体例子看。

 

2）next()
返回迭代的每一步，实现该方法时注意要最后超出边界要抛出StopIteration异常。

 

下面举个可迭代对象与迭代器的例子：

#!/usr/bin/env python
# coding=utf-8


class MyList(object): # 定义可迭代对象类

def __init__(self, num):
self.data = num # 上边界

def __iter__(self):
return MyListIterator(self.data) # 返回该可迭代对象的迭代器类的实例


class MyListIterator(object): # 定义迭代器类，其是MyList可迭代对象的迭代器类

def __init__(self, data):
self.data = data # 上边界
self.now = 0 # 当前迭代值，初始为0

def __iter__(self):
return self # 返回该对象的迭代器类的实例；由于本身就是迭代器，因此返回self

def next(self): # 迭代器类必须实现的方法
while self.now < self.data:
self.now += 1
return self.now - 1 # 返回当前迭代值
raise StopIteration # 超出上边界，抛出异常


my_list = MyList(5) # 获得一个可迭代对象
print type(my_list) # 返回该对象的类型

my_list_iter = iter(my_list) # 获得该对象的迭代器实例，iter函数在下面会详细解释
print type(my_list_iter)


for i in my_list: # 迭代
print i
运行结果：

 

 

问题：上面的例子中出现了iter函数，这是什么东西？和__iter__方法有关系吗？
其实该函数与迭代是息息相关的，经过在Python命令行中打印“help(iter)”得知其有如下两种用法。

用法一：iter(callable, sentinel)
不停的调用callable，直至其的返回值等于sentinel。其中的callable能够是函数，方法或实现了__call__方法的实例。

用法二：iter(collection)
1）用于返回collection对象的迭代器实例，这里的collection我认为表示的是可迭代对象，即该对象必须实现__iter__方法；事实上iter函数与__iter__方法联系很是紧密，iter()是直接调用该对象的__iter__()，并把__iter__()的返回结果做为本身的返回值，故该用法常被称为“建立迭代器”。
2）iter函数能够显示调用，或当执行“for i in obj:”，Python解释器会在第一次迭代时自动调用iter(obj)，以后的迭代会调用迭代器的next方法，for语句会自动处理最后抛出的StopIteration异常。

经过上面的例子，相信对可迭代对象与迭代器有了更具体的认识，那么生成器与它们有什么关系呢？下面简单谈一谈

 

生成器

生成器是一种特殊的迭代器，生成器自动实现了“迭代器协议”（即__iter__和next方法），不须要再手动实现两方法。

生成器在迭代的过程当中能够改变当前迭代值，而修改普通迭代器的当前迭代值每每会发生异常，影响程序的执行。

 

看一个生成器的例子：

#!/usr/bin/env python
# coding=utf-8


def myList(num): # 定义生成器
now = 0 # 当前迭代值，初始为0
while now < num:
val = (yield now) # 返回当前迭代值，并接受可能的send发送值；yield在下面会解释
now = now + 1 if val is None else val # val为None，迭代值自增1，不然从新设定当前迭代值为val

my_list = myList(5) # 获得一个生成器对象

print my_list.next() # 返回当前迭代值
print my_list.next()

my_list.send(3) # 从新设定当前的迭代值
print my_list.next()

print dir(my_list) # 返回该对象所拥有的方法名，能够看到__iter__与next在其中
运行结果：

 

具备yield关键字的函数都是生成器，yield能够理解为return，返回后面的值给调用者。不一样的是return返回后，函数会释放，而生成器则不会。在直接调用next方法或用for语句进行下一次迭代时，生成器会从yield下一句开始执行，直至遇到下一个yield。

 

参考资料：

Python核心编程第二版11.10节，13.13.3节

彻底理解Python迭代对象、迭代器、生成器

深刻讲解Python中的迭代器和生成器

如何更好地理解Python迭代器和生成器

---------------------
做者：jinixin
来源：CSDN
原文：https://blog.csdn.net/jinixin/article/details/72232604
版权声明：本文为博主原创文章，转载请附上博文连接！

生成器是一种特殊的迭代器，生成器自动实现了“迭代器协议”（即__iter__和next方法），不须要再手动实现两方法。

生成器在迭代的过程当中能够改变当前迭代值，而修改普通迭代器的当前迭代值每每会发生异常，影响程序的执行。

def myList(num):      # 定义生成器
    now = 0           # 当前迭代值，初始为0
    while now < num:
        val = (yield now)                      # 返回当前迭代值，并接受可能的send发送值；yield在下面会解释
        now = now + 1 if val is None else val  # val为None，迭代值自增1，不然从新设定当前迭代值为val
 
my_list = myList(5)   # 获得一个生成器对象
 
print my_list.next()  # 返回当前迭代值
print my_list.next()
 
my_list.send(3)       # 从新设定当前的迭代值
print my_list.next()
 
print dir(my_list)

打印结果:

<class '__main__.mylist'>
6
7
8

class mylist(object):
    def __init__(self,num):
        self.num = num
        self.list = [num+1,num+2,num+3]

    def __iter__(self):
        return mylistiterator(self.list)


class mylistiterator(object):
    def __init__(self,data):
        self.data = data
        self.now = 0
    def __iter__(self):
        return self

    def __next__(self):
        while self.now<len(self.data):
            self.now += 1
            return self.data[self.now-1]
        raise StopIteration

my_list = mylist(5)
print(type(my_list))
for i  in my_list:
    print(i)