【python基础】——迭代器

太过爱你忘了你带给我的痛 2022-05-14 03:43 252阅读 0赞

# **一、迭代器简介** #

**迭代：顾名思义就是重复做一些事很多次（就现在循环中做的那样）。**

迭代器是实现了\_\_next\_\_()方法的对象（这个方法在调用时不需要任何参数），它是访问可迭代序列的一种方式，通常其从序列的第一个元素开始访问，直到所有的元素都被访问才结束。** \[注意\]：迭代器只能前进不能后退**

**迭代器的优点:**

**使用迭代器不要求事先准备好整个迭代过程中的所有元素。迭代器仅仅在迭代到某个元素时才计算该元素，而在这之前或之后元素可以不存在或者被销毁。因此迭代器适合遍历一些数量巨大甚至无限的序列。**

我们已经知道，可以直接作用于`for`循环的数据类型有以下几种：

一类是集合数据类型，如`list`、`tuple`、`dict`、`set`、`str`等；

一类是`generator`，包括生成器和带`yield`的generator function。

这些可以直接作用于`for`循环的对象统称为可迭代对象：`Iterable`。

可以使用`isinstance()`判断一个对象是否是`Iterable`对象：

>>> from collections import Iterable
    >>> isinstance([], Iterable)
    True
    >>> isinstance({}, Iterable)
    True
    >>> isinstance('abc', Iterable)
    True
    >>> isinstance((x for x in range(10)), Iterable)
    True
    >>> isinstance(100, Iterable)
    False

而生成器不但可以作用于`for`循环，还可以被`next()`函数不断调用并返回下一个值，直到最后抛出`StopIteration`错误表示无法继续返回下一个值了。

可以被`next()`函数调用并不断返回下一个值的对象称为迭代器：`Iterator`。

可以使用`isinstance()`判断一个对象是否是`Iterator`对象：

>>> from collections import Iterator
    >>> isinstance((x for x in range(10)), Iterator)
    True
    >>> isinstance([], Iterator)
    False
    >>> isinstance({}, Iterator)
    False
    >>> isinstance('abc', Iterator)
    False

生成器都是`Iterator`对象，但`list`、`dict`、`str`虽然是`Iterable`，却不是`Iterator`。

# **二、生成迭代器** #

把`list`、`dict`、`str`等`Iterable`变成`Iterator`可以使用`iter()`函数：

>>> isinstance(iter([]), Iterator)
    True
    >>> isinstance(iter('abc'), Iterator)
    True

使用内建的工厂函数iter(iterable)可以获取迭代器对象：

语法：

iter(collection) -> iterator

iter(callable,sentinel) -> iterator

说明：

Get an iterator from an object.

In the first form, the argument must supply its own iterator, or be a sequence.

In the second form, the callable is called until it returns the sentinel.

实例展示：

使用对象内置的__iter__()方法生成迭代器
    >>>L1 = [1,2,3,4,5,6]
    >>>I1 = L1.__iter__()
    >>>print I1
    <listiterator object at 0x7fe4fd0ef550>
    >>> I1.next()
    1
    >>> I1.next()
    2
    >>> I1.next()
    3

你可能会问，为什么`list`、`dict`、`str`等数据类型不是`Iterator`？

这是因为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。可以把这个数据流看做是一个有序序列，但我们却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，所以`Iterator`的计算是惰性的，只有在需要返回下一个数据时它才会计算。

`Iterator`甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

# **三.迭代器的应用场景** #

1).  如果数列的数据规模巨大

2).  数列有规律，但是依靠列表推导式描述不出来

2.数学中有个著名的斐波拉契数列（Fibonacci），数列中第⼀个数0，第⼆个数1，其后的每⼀个数都可由前两个数相加得到：

0,    1,    1,   2,    3,    5,   8,    13,    21,   34,    ...

现在我们想要通过for...in...循环来遍历迭代斐波那契数列中的前n个数。那么这个**斐波那契数列**我们就可以⽤迭代器来实现，每次迭代都通过数学计算来⽣成下⼀个数。

classFibIterator(object):
    
        """fib数列迭代器"""
    
        def __init__(self, n):
    
            """"""
    
            self.num1 = 0
    
            self.num2 = 1
    
            self.n = n  # 用来保存迭代的总次数
    
            self.i = 0  # 用来记录迭代次数
     
        def __next__(self):
    
            # 判断是否迭代结束，如果没有到达迭代次数，则返回数据
    
            if self.i < self.n:
    
                # 保存要返回的值
    
                item = self.num1
    
                # 计算num1, num2的值，方便下次迭代返回
    
                self.num1, self.num2 = self.num2,self.num1 + self.num2 
    
                # 记录迭代次数
    
                self.i += 1
    
                return item
    
            else:
    
                # 到达了迭代次数，抛出异常
    
                raise StopIteration
    
        def __iter__(self):
    
            return self 
    
     fib =FibIterator(20)
    
    li = list(fib)
    
    print(li)

# 四、小结 #

凡是可作用于`for`循环的对象都是`Iterable`类型；

凡是可作用于`next()`函数的对象都是`Iterator`类型，它们表示一个惰性计算的序列；

集合数据类型如`list`、`dict`、`str`等是`Iterable`但不是`Iterator`，不过可以通过`iter()`函数获得一个`Iterator`对象。

Python的`for`循环本质上就是通过不断调用`next()`函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
        pass

实际上完全等价于：

# 首先获得Iterator对象:
    it = iter([1, 2, 3, 4, 5])
    # 循环:
    while True:
        try:
            # 获得下一个值:
            x = next(it)
        except StopIteration:
            # 遇到StopIteration就退出循环
            break