迭代器和生成器進一步的認識

 

迭代器出現的目的是爲了提升建立數據結構時的效率(下降cpu和減小內存資源的佔用)

 

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)

打印結果:

生成器（range就是一個生成器）是一種特殊的迭代器，生成器自動實現了「迭代器協議」（即__iter__和next方法），不須要再手動實現兩方法。

生成器在迭代的過程當中能夠改變當前迭代值，而修改普通迭代器的當前迭代值每每會發生異常，影響程序的執行。

def myList(num):  # 定義生成器
    now = 0  # 當前迭代值，初始爲0
    while now < num:
        val = (yield now)  # 返回當前迭代值，並接受可能的send發送值；yield在下面會解釋
        now = now + 1 if val is None else val  # val爲None，迭代值自增1，不然從新設定當前迭代值爲val


my_list = myList(5)  # 獲得一個生成器對象

print(my_list.__next__())  # 返回當前迭代值
print(my_list.__next__())

print(my_list.send(3))  # 從新設定當前的迭代值
print(my_list.__next__())

print
dir(my_list)

打印結果:

 具備yield關鍵字的函數都是生成器，yield能夠理解爲return，返回後面的值給調用者。不一樣的是return返回後，函數會釋放，而生成器則不會。在直接調用next方法或用for語句進行下一次迭代時，生成器會從yield下一句開始執行，直至遇到下一個yield。

三者簡要關係圖

 

 

可迭代對象與迭代器

剛開始我認爲這二者是等同的，但後來發現並非這樣；下面直接拋出結論：

1）可迭代對象包含迭代器。
2）若是一個對象擁有__iter__方法，其是可迭代對象；若是一個對象擁有next方法，其是迭代器。
3）定義可迭代對象，必須實現__iter__方法；定義迭代器，必須實現__iter__和next方法。

你也許會問，結論3與結論2是否是有一點矛盾？既然一個對象擁有了next方法就是迭代器，那爲何迭代器必須同時實現兩方法呢？

由於結論1，迭代器也是可迭代對象，所以迭代器必須也實現__iter__方法。

介紹一下上面涉及到的兩個方法：

1）__iter__()

該方法返回的是當前對象的迭代器類的實例。由於可迭代對象與迭代器都要實現這個方法，所以有如下兩種寫法。

寫法一：用於可迭代對象類的寫法，返回該可迭代對象的迭代器類的實例。

寫法二：用於迭代器類的寫法，直接返回self（即本身自己），表示自身便是本身的迭代器。

也許有點暈，不要緊，下面會給出兩寫法的例子，咱們結合具體例子看。

 

2）next()
返回迭代的每一步，實現該方法時注意要最後超出邊界要拋出StopIteration異常。

 

下面舉個可迭代對象與迭代器的例子：

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


class MyList(object): # 定義可迭代對象類

def __init__(self, num):
self.data = num # 上邊界

def __iter__(self):
return MyListIterator(self.data) # 返回該可迭代對象的迭代器類的實例


class MyListIterator(object): # 定義迭代器類，其是MyList可迭代對象的迭代器類

def __init__(self, data):
self.data = data # 上邊界
self.now = 0 # 當前迭代值，初始爲0

def __iter__(self):
return self # 返回該對象的迭代器類的實例；由於本身就是迭代器，因此返回self

def next(self): # 迭代器類必須實現的方法
while self.now < self.data:
self.now += 1
return self.now - 1 # 返回當前迭代值
raise StopIteration # 超出上邊界，拋出異常


my_list = MyList(5) # 獲得一個可迭代對象
print type(my_list) # 返回該對象的類型

my_list_iter = iter(my_list) # 獲得該對象的迭代器實例，iter函數在下面會詳細解釋
print type(my_list_iter)


for i in my_list: # 迭代
print i
運行結果：

 

 

問題：上面的例子中出現了iter函數，這是什麼東西？和__iter__方法有關係嗎？
其實該函數與迭代是息息相關的，經過在Python命令行中打印「help(iter)」得知其有如下兩種用法。

用法一：iter(callable, sentinel)
不停的調用callable，直至其的返回值等於sentinel。其中的callable能夠是函數，方法或實現了__call__方法的實例。

用法二：iter(collection)
1）用於返回collection對象的迭代器實例，這裏的collection我認爲表示的是可迭代對象，即該對象必須實現__iter__方法；事實上iter函數與__iter__方法聯繫很是緊密，iter()是直接調用該對象的__iter__()，並把__iter__()的返回結果做爲本身的返回值，故該用法常被稱爲「建立迭代器」。
2）iter函數能夠顯示調用，或當執行「for i in obj:」，Python解釋器會在第一次迭代時自動調用iter(obj)，以後的迭代會調用迭代器的next方法，for語句會自動處理最後拋出的StopIteration異常。

經過上面的例子，相信對可迭代對象與迭代器有了更具體的認識，那麼生成器與它們有什麼關係呢？下面簡單談一談

 

生成器

生成器是一種特殊的迭代器，生成器自動實現了「迭代器協議」（即__iter__和next方法），不須要再手動實現兩方法。

生成器在迭代的過程當中能夠改變當前迭代值，而修改普通迭代器的當前迭代值每每會發生異常，影響程序的執行。

 

看一個生成器的例子：

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


def myList(num): # 定義生成器
now = 0 # 當前迭代值，初始爲0
while now < num:
val = (yield now) # 返回當前迭代值，並接受可能的send發送值；yield在下面會解釋
now = now + 1 if val is None else val # val爲None，迭代值自增1，不然從新設定當前迭代值爲val

my_list = myList(5) # 獲得一個生成器對象

print my_list.next() # 返回當前迭代值
print my_list.next()

my_list.send(3) # 從新設定當前的迭代值
print my_list.next()

print dir(my_list) # 返回該對象所擁有的方法名，能夠看到__iter__與next在其中
運行結果：

 

具備yield關鍵字的函數都是生成器，yield能夠理解爲return，返回後面的值給調用者。不一樣的是return返回後，函數會釋放，而生成器則不會。在直接調用next方法或用for語句進行下一次迭代時，生成器會從yield下一句開始執行，直至遇到下一個yield。

 

參考資料：

Python核心編程第二版11.10節，13.13.3節

徹底理解Python迭代對象、迭代器、生成器

深刻講解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
來源：CSDN
原文：https://blog.csdn.net/jinixin/article/details/72232604
版權聲明：本文爲博主原創文章，轉載請附上博文連接！

生成器是一種特殊的迭代器，生成器自動實現了「迭代器協議」（即__iter__和next方法），不須要再手動實現兩方法。

生成器在迭代的過程當中能夠改變當前迭代值，而修改普通迭代器的當前迭代值每每會發生異常，影響程序的執行。

def myList(num):      # 定義生成器
    now = 0           # 當前迭代值，初始爲0
    while now < num:
        val = (yield now)                      # 返回當前迭代值，並接受可能的send發送值；yield在下面會解釋
        now = now + 1 if val is None else val  # val爲None，迭代值自增1，不然從新設定當前迭代值爲val
 
my_list = myList(5)   # 獲得一個生成器對象
 
print my_list.next()  # 返回當前迭代值
print my_list.next()
 
my_list.send(3)       # 從新設定當前的迭代值
print my_list.next()
 
print dir(my_list)

打印結果:

<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)