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)众多概念参杂在一块儿，不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块儿的数据结构，容器中的元素能够逐个地迭代获取，能够用in, not in关键字判断元素是否包含在容器中。一般这类数据结构把全部的元素存储在内存中（也有一些特例，并非全部的元素都放在内存，好比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，由于你能够把它看做是一个盒子、一栋房子、一个柜子，里面能够塞任何东西。从技术角度来讲，当一个对象被询问是否某个元素包含在其中时，那么这个对象就能够认为是一个容器，好比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个元素，但这并非容器自己提供的能力，而是可迭代对象赋予了容器这种能力。

固然并非全部的容器都是可迭代的，好比：Bloom filter，虽然Bloom filter能够用来检测某个元素是否包含在容器中，可是并不能从容器中获取其中的每个值，由于Bloom filter，布隆过滤器压根就没把元素存储在容器中，而是经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，不少容器都是可迭代对象，此外还有更多的对象一样也是可迭代对象，好比处于打开状态的files，sockets等。但凡是能够返回一个迭代器的对象，均可称之为可迭代对象，听起来可能有点困惑，不要紧，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，可迭代对象和容器同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，好比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: . . .

实际执行状况是： 

反编译该段代码，你能够看到解释器显示地调用GET_ITER指令，至关于调用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，可是你无法直接从指令中看出来，由于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，获得的指令 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，若是容器中没有更多元素了，则抛出StopIteration异常，至于它们究竟是如何实现的这并不重要。

因此，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。有不少关于迭代器的例子，好比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 '''

为了更直观地感觉迭代器内部的执行过程，咱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（由于它实现了iter方法），又是一个迭代器（由于实现了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作了两件事：

1. 为当前此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，等到有人须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，生成器实际上是一种特殊的迭代器，不过这种迭代器更加优雅。它不须要再像上面的类同样写iter()和next()方法了，只须要一个yiled关键字。 生成器必定是迭代器（反之不成立），所以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中是一个很是强大的编程结构，能够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类似的功能。如今就能够动手重构你的代码了，但凡看到相似：

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

 

均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对象均可以看做是容器。容器均可以被迭代（for，while等语句），所以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全部元素加载到内存，而是须要的时候才生成返回结果。
• 生成器是一种特殊的迭代器，它的返回值不是经过return而是用yield。

原文连接 https://blog.csdn.net/yjk13703623757/article/details/79364896