Python基础教程：迭代器和生成器详细教程

向右看齐 2022-09-10 07:23 191阅读 0赞

**1.概念**

迭代器协议

*  迭代器协议：对象需要提供next方法，它要么返回迭代中的下一项，要么引起一个StopIteration异常，以终止迭代
 *  可迭代对象：实现了迭代器协议的对象

迭代器

*  迭代器是访问集合内元素的一种方式，一般用来遍历数据
 *  迭代器和以下标的访问方式不一样，迭代器是不能返回的（比如下标方式 list\[2\],之后可以访问list\[0\],list\[1\]，只能`__next__`），迭代器提供了一种惰性方式获取数据（就是只有在访问数据的时候才去计算或者说才去获取数据）

生成器

*  python使用生成器对延迟操作提供了支持，所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处

生成器函数

*  与常规函数不同的是：使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数，下次执行的时候，从上一次挂起地方开始。

生成器表达式

*  返回的是一个生成器对象，这个对象只有在需要的时候才产生结果

**2. 迭代器必须实现iter()方法**

Python中 list，truple，str，dict这些都可以被迭代，但他们并不是迭代器。为什么？

因为和迭代器相比有一个很大的不同，list/truple/map/dict这些数据的大小是确定的，也就是说有多少事可知的。但迭代器不是，迭代器不知道要执行多少次，所以可以理解为不知道有多少个元素，每调用一次next()，就会往下走一步，是惰性的。

*  Iterable：判断是不是可以迭代
 *  Iterator：判断是不是迭代器

from collections.abc import Iterable,Iterator
    
    a = [1,2,]
    
    print(isinstance(a,Iterable))    #True list是可迭代的
    print(isinstance(a,Iterator))    #False list不是迭代器

通过iter()方法，获取iterator对象

''' 学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ '''
    from collections.abc import Iterable,Iterator
    
    a = [1,2,]
    
    iter_rator = iter(a)
    print(isinstance(a,Iterable))             #True 可迭代的
    print(isinstance(iter_rator,Iterator))    # True 迭代器
    
    
    print(isinstance((x for x in range(10)),Iterator))     #True

小结

*  凡是可以for循环的，都是Iterable
 *  凡是可以next()的，都是Iterator

list，truple，dict，str，都是Itrable不是Iterator，但可以通过iter()函数获得一个Iterator对象

Iterable源码

class Iterable(metaclass=ABCMeta):
    
        __slots__ = ()
    
        @abstractmethod
        def __iter__(self):
            while False:
                yield None
    
        @classmethod
        def __subclasshook__(cls, C):
            if cls is Iterable:
                return _check_methods(C, "__iter__")
            return NotImplemented

**3.自定义迭代器**

通过自定义一个迭代器，进一步说明什么是迭代器，什么是可迭代对象

''' 学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ '''
    from collections.abc import Iterator
    
    class Company(object):
        def __init__(self, employee_list):
            self.employee = employee_list
    
        def __iter__(self):
            return MyIterator(self.employee)
    
    #自定义迭代器
    class MyIterator(Iterator):         #如果不继承Iterator，则必须实现__iter__方法
        def __init__(self, employee_list):
            self.iter_list = employee_list
            self.index = 0   #初始化索引位置
    
        def __next__(self):
            #真正返回迭代值的逻辑
            try:
                word = self.iter_list[self.index]
            except IndexError:
                raise StopIteration
            self.index += 1
            return word
    
    if __name__ == "__main__":
        company = Company(["derek1", "derek2", "derek3"])
        my_itor = iter(company)
        
        print(next(my_itor))     #derek1
        print(next(my_itor))     #derek2
        print(next(my_itor))     #derek3
        
        for item in company:
            print (item)         #derek1 derek2 derek3

**4.生成器函数的使用**

（1）生成器函数和普通函数的区别

#函数里只要有yield关键字，就是生成器函数
    def gen_func():
        yield 1
    
    def func():
        return 1
    
    
    if __name__ == '__main__':
        
        gen = gen_func()   
        print(type(gen))     #<class 'generator'> 返回的是一个生成器对象
        
        res = func()
        print(type(res))     #<class 'int'> 返回1
        pass

（2）取出生成器里面的值

''' 学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ '''
    #函数里只要有yield关键字，就是生成器函数
    def gen_func():
        yield 1
        yield 2
        yield 3
    
    
    if __name__ == '__main__':
    
        gen = gen_func()
        print(type(gen))     #<class 'generator'> 返回的是一个生成器对象
    
        for value in gen:
            print(value)     # 1,2,3

（3）斐波那契的例子

''' 学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ '''
    def fib(index):
        re_list = []
        n,a,b = 0,0,1
        while n < index:
            re_list.append(b)
            a,b = b, a+b
            n += 1
        return re_list
    
    print(fib(10))    #[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

假如当数据量非常大的时候，这样全部打印会消耗非常大的内存，下面使用yield，虽然同样是获取数据，但是它实际上是不消耗内存的

def gen_fib(index):
        n,a,b = 0,0,1
        while n < index:
            yield b       
            a,b = b, a+b
            n += 1
    
    for data in gen_fib(10):
        print(data)   # 1, 1, 2, 3, 5, 8, 13, 21, 34, 55