Python生成器,迭代器,可迭代對象

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。python

簡要說明三者關係git

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。github

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innot 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:express

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

容器比較容易理解,由於你就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,當它能夠用來詢問某個元素是否包含在其中時,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:編程

詢問某元素是否在dict中用dict的中key:數組

詢問某substring是否在string中:數據結構

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。app

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: socket

這裏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,並非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。yz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_iteratorset_iterator。可迭代對象實現了__iter__方法,該方法返回一個迭代器對象。函數

當運行代碼:

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,由於他被解釋器優化過了。

迭代器(iterator)

那麼什麼迭代器呢?它是一個帶狀態的對象,他能在你調用next()方法的時候返回容器中的下一個值,任何實現了__iter____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,它在你每次你詢問要下一個值的時候給你返回。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:

從一個有限序列中生成無限序列:

從無限的序列中生成有限序列:

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:

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prevcurr用戶維護迭代器內部的狀態。每次調用next()方法的時候作兩件事:

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

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

生成器(generator)

概念一: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

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。

概念二: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__()__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生成值。用生成器來實現斐波那契數列的例子是:

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的時候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,能夠用更少地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,固然它能夠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:

均可以用生成器函數來替換:

生成器表達式(generator expression)

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

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(用在for,while等語句中),所以他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____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
相關文章
相關標籤/搜索