理解Python 生成器与迭代器

用户1278550

发布于 2018-08-09 14:38:46

5130

发布于 2018-08-09 14:38:46

文章被收录于专栏：idbaidba

前言

前一段时间和同事聊到Python技术知识，发现自己对生成器，迭代器傻傻分不清楚，于是乎查文档，找资料，有了此文。

通过本文大家可以了解到迭代器，生成器，生成器表达式，容器的定义以及关系。

一图胜千言

关系图(http://nvie.com/posts/iterators-vs-generators/)

先对上面的关系进行解释说明

生成器包括生成器表达(generator expression)和生成器函数(generator function)。生成器(generator)是迭代器(iterator)，但是反过来不一定成立,同时生成器也是可迭代的。迭代器(iterator)都是可迭代的(iterable),并且实现了next()/__next()__方法。元组，列表，集合构成容器这些对象都是可迭代的。

接下来我们深入浅出的去了解迭代器，生成器是什么，如何使用。

可迭代对象

相信大家都知道迭代的含义，就是可以循环遍历。那什么是可迭代对象？通俗的将就是可以使用for x in iterable_obj 或者while 循环遍历的对象，比如list，set，tuple,dict等对象。我们可以通过isinstance()方法来判断，参考例子:

In [30]: from collections import Iterable
In [31]: isinstance('python', Iterable)
Out[31]: True
In [32]: s=3           # s为数字，不可迭代
In [33]: isinstance(s, Iterable)
Out[33]: False
In [35]: l = [1,2,3,4] #列表可用for循环遍历，可迭代
In [35]: isinstance(l, Iterable)
Out[35]: True
In [37]: w=(1,2,3)     #元组可用for循环遍历，可迭代
In [38]: isinstance(w, Iterable)
Out[38]: True

从上面的检测来看 s=3 ，s是一个数值，不可迭代。其他的对象都是可以被循环访问的，即可迭代。

迭代器

迭代器是可以被next()函数调用并返回下一个值的对象，即Iterator。一个对象可迭代，是否就说明它是迭代器呢？我们继续使用isinstance 检测

In [37]: s=[1,2,3]      #列表可以用for循环遍历，可迭代
In [39]: from collections import Iterable,Iterator
In [40]: isinstance(s, Iterator)
Out[40]: False ##

从结果来看s是一个列表，可迭代的对象(iterable)不一定是迭代器(iterator)。为什么列表，集合，字典等对象是可迭代但是不是迭代器呢？

Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。我们可以把iterator当做有序序列，但我们不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，只有在需要返回下一个数据时它才会计算，即(lazy evaluation)。构造有几百万个值的列表所占用的内存大于几十M,而迭代器对象占用几十个字节的空间。

如何构造迭代器呢？本文介绍两种方式:

为容器对象添加 __iter__() 和 __next__() 方法（Python 2.7 中是 next()）；__iter__() 返回迭代器对象本身 self，__next__() 则返回每次调用 next() 或迭代时的元素； class MyIterator(object): def __init__(self, max): self.max = max # 上边界 self.now = 0 # 当前迭代值，初始为0 def __iter__(self): return self # 返回迭代器本身 def next(self): # 迭代器类必须实现的方法next() while self.now < self.max: self.now += 1 return self.now - 1 #返回当前迭代值 raise StopIteration #超出上边界，抛出异常 In [51]: my=MyIterator(10) In [52]: isinstance(my,Iterable) Out[52]: True In [53]: isinstance(my,Iterator) Out[53]: True
python内置函数 iter() 将可迭代对象转化为迭代器。 l 是一个列表，通过iter() 函数将列表对象转化为迭代器。 In [45]: isinstance(l, Iterator) Out[45]: False In [46]: isinstance(iter(l), Iterator) Out[46]: True

生成器

　　生成器是迭代器的一种，不过生成器不需要实现__iter__()和__next__(),只要使用yield关键字返回值。当一个生成器函数调用yield，生成器函数的"状态"会被冻结，所有的变量的值会被保留下来，下一行要执行的代码的位置也会被记录，直到再次调用next()。一旦next()再次被调用，生成器函数会从它上次离开的地方开始。如果永远不调用next()，yield保存的状态就被无视了。从下面的例子可以出来yield运行机制:

　In [79]: def gen():
    ...:     yield 1
    ...:     yield 2
    ...:     yield 3
    ...:

In [80]: g=gen()

In [81]: next(g)
Out[81]: 1

In [82]: next(g)
Out[82]: 2

In [83]: next(g)
Out[83]: 3

In [84]: next(g)
----------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-85-5f315c5de15b> in <module>()
----> 1 next(g)
StopIteration:

在python中生成器有两种:

生成器表达式把列表生成式的[]中改为(),就创建一个generator In [90]: generator_expression = (x for x in range(5)) In [91]: type(generator_expression) Out[91]: generator In [92]: next(generator_expression) Out[92]: 0 In [93]: next(generator_expression) Out[93]: 1
生成器函数 In [99]: def fib(max): ...: n,a,b =0,0,1 ...: while n < max: ...: yield b ## 关键 ...: a,b =b,a+b ...: n = n+1 ...: In [102]: type(f) Out[102]: generator In [103]: print f <generator object fib at 0x1097d1cd0> In [104]: f=fib(6) In [105]: next(f) Out[105]: 1 In [106]: next(f) Out[106]: 1 In [107]: next(f) Out[107]: 2 In [108]: next(f) Out[108]: 3 从102 步骤可以看出函数fib返回一个生成器对象,函数fib在每次调用next()的时候执行，遇到yield语句返回，再次被next()调用时候从上次的返回yield语句处继续执行，也就是用多少，取多少，不占内存。

总结

函数如果定义返回的话，必须一次返回所有的结果，因为函数只能返回一次。生成器因为使用了 yield关键字，保存执行到yield的上下文，再次调用的时候可以直接继续执行下一步操作。
生成器是特殊的迭代器，只能执行一次。
生成器和迭代器两者都是可迭代对象。
yield是一个类似return 的关键字，迭代一次遇到yield的时候就返回yield后面或者右面的值。而且下一次迭代的时候，从上一次迭代遇到的yield后面的代码开始执行