迭代器和生成器
- 迭代是Python最強大的功能之一，是訪問集合元素的一種方式。
- 迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結束。迭代器只能往前不會後退。
- 迭代器是一個可以記住遍歷的位置的對象。
迭代
其實for .. in ..循環遍歷的過程就是迭代（iteration）。
其他語言諸如C語言，迭代都是通過下標索引。所以可以看出，Python的for循環迭代抽象程度比其他語言高，不論有沒有下標，只要是可迭代對象（後文有介紹），都可以通過它迭代，比如字典。
迭代器
迭代器有兩個基本的方法：iter() 和 next()。
iter()用於創建一個迭代器對象
next()將參數中的迭代器進行一次迭代，並返回迭代器中的元素
>>> list = [1, 2, 3]
>>> l1 = iter(list)
>>> l1
<list_iterator object at 0x000001D5E98476A0>
>>> next(l1)
1
>>> next(l1)
2
>>> next(l1)
3
>>> next(l1)
Traceback (most recent call last):
File "<input>", line 1, in <module>
StopIteration
迭代器到達結尾時，如果再調用next()，則會無法返回值而報錯StopIteration。
爲自定義類創建迭代器
把一個類作爲一個迭代器使用需要在類中實現兩個方法 __iter__() 與 __next__() 。
class my_nums():
def __iter__(self):
self.a = 1
return self
def __next__(self):
if self.a < 20:
x = self.a
self.a += 1
return x
else:
raise StopIteration
mn = my_nums()
l1 = iter(mn)
print(next(l1))
print(next(l1))
print(next(l1))
for i in mn:
print(i, end=' ')
1
2
3
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
- 定義過兩個方法後的類的對象便成了可迭代對象，可以對其調用
iter()和next()以及對其進行for循環遍歷 - StopIteration 異常用於標識迭代的完成，防止出現無限循環的情況，在
__next__()方法中我們可以設置在完成指定循環次數後觸發 StopIteration 異常來結束迭代。
生成器
通過列表生成式，我們可以直接創建一個列表，但是，受到內存限制，列表容量肯定是有限的，而且創建一個包含100萬個元素的列表，不僅佔用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間，在Python中，這種一邊循環一邊計算的機制，稱爲生成器(generator)。 （轉自廖雪峯）
生成器是一個特殊的程序，可以被用作控制循環的迭代行爲，Python中生成器是迭代器的一種。
延遲計算或惰性求值 (Lazy evaluation)
迭代器不要求你事先準備好整個迭代過程中所有的元素。僅僅是在迭代至某個元素時才計算該元素，而在這之前或之後，元素可以不存在或者被銷燬。這個特點使得它特別適合用於遍歷一些巨大的或是無限的集合。
創建生成器的方法有很多。
列表生成器
回憶列表解析的內容。
squares = [x ** 2 for x in range(10)]
第一種創建生成器的方法是：只要把一個列表解析式的[]改成()，就創建了一個generator：
>>> L = [x ** 2 for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x ** 2 for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>
如上所言，生成器就是迭代器，他可以被next()調用。
>>> g = (x ** 2 for x in range(10))
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
但是我們很少對生成器使用next()，大多數情況都是使用for循環，因爲生成器也是個可迭代對象。
g = (x ** 2 for x in range(10))
for i in g:
print(i, end=', ')
0, 1, 4, 9, 16, 25, 36, 49, 64, 81
生成器函數
另一個方法是：生成器函數。
在 Python 中，使用了 yield 的函數被稱爲生成器函數（generator function）。
跟普通函數不同的是，生成器函數是一個返回迭代器的函數，只能用於迭代操作。
def odd():
print('step 1')
yield 1
print('step 2')
yield 3
print('step 3')
yield 5
o = odd()
print(next(o))
print(next(o))
print(next(o))
print(next(o))
step 1
1
step 2
3
step 3
5
Traceback (most recent call last):
File “D:/Pytest/1.py”, line 48, in
print(next(o))
StopIteration
在調用生成器運行的過程中，每次遇到 yield 時函數會暫停並保存當前所有的運行信息，返回 yield 的值, 並在下一次執行 next() 方法時從當前位置繼續運行。
比如上述函數：
- odd()返回的是一個迭代器，傳遞給變量o
- 第一次調用next()：先打印step 1 ，再返回1，保存信息並停止運行函數。
- 第二次調用next()：函數從原先停止的地方繼續，先打印step 2， 再返回3，保存信息並停止。
- 第三次調用next()：…
- 第四次調用next()：函數已到達末尾，無法返回值，報錯StopIteration
同理，生成器函數可以用for循環迭代：
# 例1 輸出奇數
def odd(n):
cnt = 0
while cnt < n:
yield cnt * 2 + 1
cnt += 1
for i in odd(5):
print(i)
o = odd(4)
for i in o:
print(i)
1
3
5
7
9
1
3
5
7
我們將剛纔的odd函數改編了一下，使其可以用傳遞參數來控制其循環次數。
# 例2 楊輝三角形
def triangle():
a = [1]
while True:
yield a
a = [1] + [a[i]+a[i-1] for i in range(1, len(a))] + [1]
n = 0
results = []
for t in triangle():
print(t)
results.append(t)
n = n + 1
if n == 10:
break
[1]
[1, 1]
[1, 2, 1]
[1, 3, 3, 1]
[1, 4, 6, 4, 1]
[1, 5, 10, 10, 5, 1]
[1, 6, 15, 20, 15, 6, 1]
[1, 7, 21, 35, 35, 21, 7, 1]
[1, 8, 28, 56, 70, 56, 28, 8, 1]
[1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
上述代碼在for循環中控制迭代次數。
可迭代對象
只要是實現了__iter__()或__getitem__()方法的對象，就可以使用迭代器進行訪問。
-
序列：字符串、列表、元組
-
非序列：字典、文件
-
自定義類：用戶自定義的類實現了
__iter__()或__getitem__()方法的對象 -
生成器或者生成器函數
可以使用isinstance()判斷一個對象是否是Iterable可迭代對象：
>>> from collections import Iterable
>>> isinstance([], Iterable) # 列表
True
>>> isinstance({}, Iterable) # 字典
True
>>> isinstance('abc', Iterable) # 字符串
True
>>> isinstance((x for x in range(10)), Iterable) # 這個是生成器
True
>>> isinstance(100, Iterable) # 普通數字
False
- 可迭代≠是迭代器。除了生成器既是迭代器，也是可迭代對象，其他的可迭代對象都需要
iter()來獲取其迭代器。