Python學習筆記（4）：容器、迭代對象、迭代器、生成器、生成器表達式

在瞭解Python的數據結構時，容器(container)、可迭代對象(iterable)、迭代器(iterator)、生成器(generator)、列表/集合/字典推導式(list,set,dict comprehension)衆多概念參雜在一塊兒，不免讓初學者一頭霧水，我將用一篇文章試圖將這些概念以及它們之間的關係捋清楚。

1. 容器(container)

容器是一種把多個元素組織在一塊兒的數據結構，容器中的元素能夠逐個地迭代獲取，能夠用in, not in關鍵字判斷元素是否包含在容器中。一般這類數據結構把全部的元素存儲在內存中（也有一些特例，並非全部的元素都放在內存，好比迭代器和生成器對象）在Python中，常見的容器對象有：

• list, deque, ….
• set, frozensets, ….
• dict, defaultdict, OrderedDict, Counter, ….
• tuple, namedtuple, …
• str

容器比較容易理解，由於你能夠把它看做是一個盒子、一棟房子、一個櫃子，裏面能夠塞任何東西。從技術角度來講，當一個對象被詢問是否某個元素包含在其中時，那麼這個對象就能夠認爲是一個容器，好比list，set，tuples都是容器對象：

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))

詢問某元素是否用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

 

詢問某substring是否在string中：

s = 'foobar' print(assert 'b' in s) print(assert 'x' not in s) print(assert 'foo' in s)

儘管絕大多數容器都提供了某種方式來獲取其中的每個元素，但這並非容器自己提供的能力，而是可迭代對象賦予了容器這種能力。

固然並非全部的容器都是可迭代的，好比：Bloom filter，雖然Bloom filter能夠用來檢測某個元素是否包含在容器中，可是並不能從容器中獲取其中的每個值，由於Bloom filter，布隆過濾器壓根就沒把元素存儲在容器中，而是經過一個散列函數映射成一個值保存在數組中。 

2. 可迭代對象(iterable)

剛纔說過，不少容器都是可迭代對象，此外還有更多的對象一樣也是可迭代對象，好比處於打開狀態的files，sockets等。但凡是能夠返回一個迭代器的對象，均可稱之爲可迭代對象，聽起來可能有點困惑，不要緊，先看一個例子：

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'>

 

這裏的x是一個可迭代對象，可迭代對象和容器同樣是一種通俗的叫法，並不指某種具體的數據類型：list是可迭代對象，dict是可迭代對象，set也是可迭代對象。 
y和z是兩個獨立的迭代器，迭代器內部持有一個狀態，該狀態用於記錄當前迭代所在的位置，以方便下次迭代的時候獲取正確的元素。迭代器有一種具體的迭代器類型，好比list_iterator，set_iterator。可迭代對象實現了iter方法，該方法返回一個迭代器對象。

當運行代碼：

x = [1, 2, 3] for elem in x: . . .

實際執行狀況是： 

反編譯該段代碼，你能夠看到解釋器顯示地調用GET_ITER指令，至關於調用iter(x)，FOR_ITER指令就是調用next()方法，不斷地獲取迭代器中的下一個元素，可是你無法直接從指令中看出來，由於它被解釋器優化過了。

import dis x = [1, 2, 3] dis.dis('for _ in x: pass') '''反編譯後，獲得的指令 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)

那麼什麼是迭代器呢？它是一個帶狀態的對象，能在你調用next()方法時，返回容器中的下一個值。任何實現了iter和next()（python2中實現next()）方法的對象都是迭代器，iter返回迭代器自身，next返回容器中的下一個值，若是容器中沒有更多元素了，則拋出StopIteration異常，至於它們究竟是如何實現的這並不重要。

因此，迭代器就是實現了工廠模式的對象，它在你每次詢問要下一個值時，給你返回。有不少關於迭代器的例子，好比itertools函數返回的都是迭代器對象。

• 生成無限序列

from itertools import count counter = count(start=13) print(next(counter)) # 13 print(next(counter)) # 14

• 從一個有限序列中生成無限序列

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'

 

• 從無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) '''輸出對象 red white blue red '''

爲了更直觀地感覺迭代器內部的執行過程，咱們自定義一個迭代器，以斐波那契數列爲例

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既是一個可迭代對象（由於它實現了iter方法），又是一個迭代器（由於實現了next方法）；實例變量prev和curr用於維護迭代器內部的狀態；每次調用next()方法時，python作了兩件事：

1. 爲當前此次調用生成返回結果
2. 爲下一次調用next()方法修改狀態

迭代器就像一個懶加載的工廠，等到有人須要的時候才生成值並返回，沒調用的時候就處於休眠狀態，等待下一次調用。 

4. 生成器(generator)

生成器算得上是Python語言中最吸引人的特性之一，生成器實際上是一種特殊的迭代器，不過這種迭代器更加優雅。它不須要再像上面的類同樣寫iter()和next()方法了，只須要一個yiled關鍵字。 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種懶加載的模式來生成值。用生成器來實現斐波那契數列：

from itertools import islice def fib(): prev, curr = 0, 1 while True: yield curr # 循環探針yield prev, curr = curr, curr + prev f = fib() list(islice(f, 0, 10)) # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

 

 

fib就是一個普通的python函數，它特殊的地方在於函數體中沒有return關鍵字，函數的返回值是一個生成器對象。當執行f=fib()返回的是一個生成器對象，此時函數體中的代碼並不會執行，只有顯示或隱示地調用next時，纔會真正執行裏面的代碼。

生成器在Python中是一個很是強大的編程結構，能夠用更少的中間變量寫流式代碼。此外，相比其它容器對象，它更能節省內存和CPU，用更少的代碼來實現類似的功能。如今就能夠動手重構你的代碼了，但凡看到相似：

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

 

均可以用生成器函數來替換：

def iter_something():
    for ... in ...: yield x

5. 生成器表達式(generator expression)

生成器表達式是列表推導式的生成器版本，看起來像列表推導式，但它返回的是一個生成器對象而不是列表對象。

 a = (x*x for x in range(10)) print(sum(a)) # 285 a # <generator object <genexpr> at 0x401f08>

6. 總結

• 容器是一系列元素的集合，str、list、set、dict、file、sockets對象均可以看做是容器。容器均可以被迭代（for，while等語句），所以它們被稱爲可迭代對象。

• 可迭代對象實現了iter方法，該方法返回一個迭代器對象。

• 迭代器持有一個內部狀態的字段，用於記錄下次迭代返回值，它實現了next和iter方法，迭代器不會一次性把全部元素加載到內存，而是須要的時候才生成返回結果。
• 生成器是一種特殊的迭代器，它的返回值不是經過return而是用yield。

原文連接 https://blog.csdn.net/yjk13703623757/article/details/79364896