溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
前言
在Python中可迭代(Iterable)、迭代器(Iterator)和生成器(Generator)這幾個概念是經常用到的，初學時對這幾個概念也是經常混淆，現在是時候把這幾個概念搞清楚了。
0x00 可迭代(Iterable)
簡單的說，一個對象(在Python里面一切都是對象)只要實現了只要實現了__iter__()方法，那么用isinstance()函數檢查就是Iterable對象；
例如
class IterObj: def __iter__(self): # 這里簡單地返回自身 # 但實際情況可能不會這么寫 # 而是通過內置的可迭代對象來實現 # 下文的列子中將會展示 return self
上面定義了一個類IterObj并實現了__iter__()方法，這個就是一個可迭代(Iterable)對象
it = IterObj() print(isinstance(it, Iterable)) # true print(isinstance(it, Iterator)) # false print(isinstance(it, Generator)) # false
記住這個類，下文我們還會看到這個類的定義。
常見的可迭代對象
在Python中有哪些常見的可迭代對象呢？
關于第1、2點我們可以通過以下來驗證
print(isinstance([], Iterable)) # true list 是可迭代的
print(isinstance({}, Iterable)) # true 字典是可迭代的
print(isinstance((), Iterable)) # true 元組是可迭代的
print(isinstance(set(), Iterable)) # true set是可迭代的
print(isinstance('', Iterable)) # true 字符串是可迭代的
currPath = os.path.dirname(os.path.abspath(__file__))
with open(currPath+'/model.py') as file:
print(isinstance(file, Iterable)) # true
我們再來看第3點，
print(hasattr([], "__iter__")) # true
print(hasattr({}, "__iter__")) # true
print(hasattr((), "__iter__")) # true
print(hasattr('', "__iter__")) # true
這些內置集合或序列對象都有__iter__屬性，即他們都實現了同名方法。但這個可迭代對象要在for循環中被使用，那么它就應該能夠被內置的iter()函數調用并轉化成Iterator對象。
例如，我們看內置的可迭代對象
print(iter([])) # <list_iterator object at 0x110243f28>
print(iter({})) # <dict_keyiterator object at 0x110234408>
print(iter(())) # <tuple_iterator object at 0x110243f28>
print(iter('')) # <str_iterator object at 0x110243f28>
它們都相應的轉成了對應的迭代器(Iterator)對象。
現在回過頭再看看一開始定義的那個IterObj類
class IterObj: def __iter__(self): return self it = IterObj() print(iter(it))
我們使用了iter()函數，這時候將再控制臺上打印出以下信息：
Traceback (most recent call last):
File "/Users/mac/PycharmProjects/iterable_iterator_generator.py", line 71, in <module>
print(iter(it))
TypeError: iter() returned non-iterator of type 'IterObj'
出現了類型錯誤，意思是iter()函數不能將‘非迭代器'類型轉成迭代器。
那如何才能將一個可迭代(Iterable)對象轉成迭代器(Iterator)對象呢？
我們修改一下IterObj類的定義
class IterObj: def __init__(self): self.a = [3, 5, 7, 11, 13, 17, 19] def __iter__(self): return iter(self.a)
我們在構造方法中定義了一個名為a的列表，然后還實現了__iter__()方法。
修改后的類是可以被iter()函數調用的，即也可以在for循環中使用
it = IterObj() print(isinstance(it, Iterable)) # true print(isinstance(it, Iterator)) # false print(isinstance(it, Generator)) # false print(iter(it)) # <list_iterator object at 0x102007278> for i in it: print(i) # 將打印3、5、7、11、13、17、19元素
因此在定義一個可迭代對象時，我們要非常注意__iter__()方法的內部實現邏輯，一般情況下，是通過一些已知的可迭代對象（例如，上文提到的集合、序列、文件等或其他正確定義的可迭代對象）來輔助我們來實現
關于第4點說明的意思是iter()函數可以將一個實現了__getitem__()方法的對象轉成迭代器對象，也可以在for循環中使用，但是如果用isinstance()方法來檢測時，它不是一個可迭代對象。
class IterObj: def __init__(self): self.a = [3, 5, 7, 11, 13, 17, 19] def __getitem__(self, i): return self.a[i] it = IterObj() print(isinstance(it, Iterable)) # false print(isinstance(it, Iterator)) # false print(isinstance(it, Generator)) false print(hasattr(it, "__iter__")) # false print(iter(it)) # <iterator object at 0x10b231278> for i in it: print(i) # 將打印出3、5、7、11、13、17、19
這個例子說明了可以在for中使用的對象，不一定是可迭代對象。
現在我們做個小結：
0x01 迭代器(Iterator)
上文很多地方都提到了Iterator,現在我們把這個坑填上。
當我們對可迭代的概念了解后，對于迭代器就比較好理解了。
一個對象實現了__iter__()和__next__()方法，那么它就是一個迭代器對象。 例如
class IterObj: def __init__(self): self.a = [3, 5, 7, 11, 13, 17, 19] self.n = len(self.a) self.i = 0 def __iter__(self): return iter(self.a) def __next__(self): while self.i < self.n: v = self.a[self.i] self.i += 1 return v else: self.i = 0 raise StopIteration()
在IterObj中，構造函數中定義了一個列表a,列表長度n,索引i。
it = IterObj() print(isinstance(it, Iterable)) # true print(isinstance(it, Iterator)) # true print(isinstance(it, Generator)) # false print(hasattr(it, "__iter__")) # true print(hasattr(it, "__next__")) # true
我們可以發現上文提到的
集合和序列對象是可迭代的但不是迭代器
print(isinstance([], Iterator)) # false
print(isinstance({}, Iterator)) # false
print(isinstance((), Iterator)) # false
print(isinstance(set(), Iterator)) # false
print(isinstance('', Iterator)) # false
而文件對象是迭代器
currPath = os.path.dirname(os.path.abspath(__file__)) with open(currPath+'/model.py') as file: print(isinstance(file, Iterator)) # true
一個迭代器(Iterator)對象不僅可以在for循環中使用，還可以通過內置函數next()函數進行調用。 例如
it = IterObj() next(it) # 3 next(it) # 5
0x02 生成器(Generator)
現在我們來看看什么是生成器？
一個生成器既是可迭代的也是迭代器
定義生成器有兩種方式：
先看第1種情況
g = (x * 2 for x in range(10)) # 0～18的偶數生成器 print(isinstance(g, Iterable)) # true print(isinstance(g, Iterator)) # true print(isinstance(g, Generator)) # true print(hasattr(g, "__iter__")) # true print(hasattr(g, "__next__")) # true print(next(g)) # 0 print(next(g)) # 2
列表生成器可以不需要消耗大量的內存來生成一個巨大的列表，只有在需要數據的時候才會進行計算。
再看第2種情況
def gen(): for i in range(10): yield i
這里yield的作用就相當于return,這個函數就是順序地返回[0,10)的之間的自然數，可以通過next()或使用for循環來遍歷。
當程序遇到yield關鍵字時，這個生成器函數就返回了，直到再次執行了next()函數，它就會從上次函數返回的執行點繼續執行，即yield退出時保存了函數執行的位置、變量等信息，再次執行時，就從這個yield退出的地方繼續往下執行。
在Python中利用生成器的這些特點可以實現協程。協程可以理解為一個輕量級的線程，它相對于線程處理高并發場景有很多優勢。
看下面一個用協程實現的生產者-消費者模型
def producer(c):
n = 0
while n < 5:
n += 1
print('producer {}'.format(n))
r = c.send(n)
print('consumer return {}'.format(r))
def consumer():
r = ''
while True:
n = yield r
if not n:
return
print('consumer {} '.format(n))
r = 'ok'
if __name__ == '__main__':
c = consumer()
next(c) # 啟動consumer
producer(c)
這段代碼執行效果如下
producer 1
consumer 1
producer return ok
producer 2
consumer 2
producer return ok
producer 3
consumer 3
producer return ok
協程實現了CPU在兩個函數之間進行切換從而實現并發的效果。
0x04 引用
docs.python.org/3.7/
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對億速云的支持。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
