时间戳

首页 > 技术文章 > 迭代器、生成器、可迭代对象

迭代器、生成器、可迭代对象

Treelight 2020-02-01 09:32 原文

迭代器出现的原因

Python中的列表，有可能会占用很大的空间。而迭代器，它是每一次用__next__调用时才计算出值，这会节省内存空间。

迭代器、生成器、可迭代对象的关系

可迭代对象一般是列表、元组、字典、字符串等可以For循环的对象。可通过以下语句判断是不是可迭代对象。

from collections.abc import Iterator, Iterable

l = [1, 2, 3, 4, 5]
print(isinstance(l, Iterable))  # True

而且每个可迭代对象都有__iter__方法，并且此方法返回一个迭代器。
那么什么是迭代器呢？它与可迭代对象有什么关系？为什么for循环可以得出每人元素的值？那是因为可迭代对象有一个记录员，可记录当前位置。而这个记录员就是迭代器，迭代器需要实现__iter__、__next__这两个方法。可迭代对象可生成迭代器，如下：

l = [1, 2, 3, 4, 5]
it = iter(l)
print(isinstance(it, Iterator))  # True

每个迭代器都有__next__方法和__iter__方法。而生成器是迭代器的一种，除了有__next__方法以外，还要用到yield。yield一般会用到自定义的函数中，但调用此函数时不会执行，而是会生成生成器。要调用此函数，需要用到__next__方法。

for循环的本质

其实for循环一个可迭代对象，为我们做了以下事情
1、通过可迭代对象生成一个迭代器
2、调用迭代器的__next__方法，生成值
3、遇到错误时，就退出
以下程序就说明了这个问题

l = [1, 2, 3, 4, 5]
for i in l:
    print(i)
# 以上for循环等同于以下效果
it = iter(l)
while True:
    try:
        print(it.__next__())
    except StopIteration:
        break

自定义可迭代对象和迭代器

例子如下：

class List(object):  # 自定义可迭代对象，必须要有__iter__方法
    def __init__(self):
        self.item_list = []

    def append(self, val):
        self.item_list.append(val)

    def __iter__(self):  # 自定义，必须要返回迭代器,此处返回自定义迭代器ListIterator
        return ListIterator(self.item_list)


class ListIterator(object):  # 自定义迭代器，必须要定义__iter__和__next__方法
    def __init__(self, item_list):
        self.index = 0
        self.item_list = item_list

    def __iter__(self):
        return self

    def __next__(self):
        if self.index < len(self.item_list):
            i = self.index
            self.index += 1
            return self.item_list[i]
        else:
            raise StopIteration


my_list = List()
my_list.append('辉')
my_list.append('玲')
my_list.append('婧')
my_list.append('正')
for i in my_list:
    print(i)

生成器

例一、斐波那契数列 
def fib(m):
    n, a, b = 0, 0, 1
    while n < m:
        yield b  # 每一次用__next__调用时会在此结束，下一次调用时执行yield下面的语句
        a, b = b, a + b
        n += 1


f = fib(5)  # 生成生成器，不会调用，要调用就用__next__方法
# while True:
#     try:
#         print(f.__next__())
#     except StopIteration:
#         break
for i in f:
    print(i)
# 斐波那契数列结束

例二、经典的生产者、消费都模型

def consumer(name):
    print('%s要准备吃包子了' % name)
    while True:
        n = yield
        print('%s吃了%s个包子' % (name, n))


def producer(name):
    print('%s准备制造包子了' % name)
    c1 = consumer('Daughter')
    c2 = consumer('Son')
    c1.__next__()
    c2.__next__()
    print('-' * 40)
    while True:
        time.sleep(3)
        print('%s已经制造了2个包子' % name)
        c1.send(1)  # 可发送给yield
        c2.send(1)
        print('-'*40)


producer('Father')
# 消费者、生产都模型结束

推荐阅读