Python中迭代器的示例分析

這篇文章主要介紹了Python中迭代器的示例分析，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

先貼上一張Iterable、Iterator與Generator之間的關系圖：

1. Iterator VS Iterable

迭代器(Iterator)

迭代器是實現了迭代器協議的類對象，迭代器協議規定了迭代器類必需定義__next()__方法。當對迭代器對象調用next()方法時，對象會去調用__next()__計算迭代器的返回值。

可迭代對象(Iterable)

可迭代對象可以是任何對象，不一定是能返回迭代器的數據結構。一個可迭代對象會直接或間接性的調用這兩個方法__iter()__和__next()__；其中__iter()__方法只能返回迭代器對象，__next()__則供給迭代器進行調用。

通常情況下，可迭代類都會實現__iter()__和__next()__,并且__iter()__返回它自己，換句話說，該類即是迭代器又是可迭代類。

下面的代碼展示了迭代器和可迭代器對象之間的差別：

a_set = {1, 2, 3}#定義set數據類型，set是可迭代類型
b_iterator = iter(a_set)#得到set的迭代器
#Output: 1
print(next(b_iterator))
#Output: <class 'set'>
print(type(a_set))
#Output: <class 'set_iterator'>
print(type(b_iterator))

從結果可以看出a_set是一個可迭代類型（set類型）,b_iterator是一個迭代器（set_iterator），它們兩個是完全不一同的類型。

下面的自定義了一個迭代器：

class Series(object):
 def __init__(self, low, high):
  self.current = low
  self.high = high
 def __iter__(self):
  return self
 def __next__(self):
  if self.current > self.high:
   raise StopIteration
  else:
   self.current += 1
   return self.current - 1
n_list = Series(1,10) 
print(list(n_list))

從上面的代碼可以看出，__iter__返回了迭代器本身。__next__返回迭代器的下一個值，如果沒有下一個返回值那么會拋出StopIteration異常。如果沒有在合適的位置拋出StopIteration異常結束迭代，那么在某些循環語句中（例如：for loop），將會形成死循環，所以在__next__中必需要在合適位置添加退出語句（拋出StopIterator異常）。

2.Itertools 模塊

Itertools是Python的內置模塊，其中包含了能夠創建迭代器的函數。簡而言之，它提供了許多能夠與迭代器交互的方法。

下面是我們使用Itertools模塊中count函數的案例：

from itertools import count
sequence = count(start=0, step=1)
while(next(sequence) <= 10):
 print(next(sequence),end=" ")

輸出：

Itertools中的cycle函數可以創建無限迭代器，例如：

from itertools import cycle
dessert = cycle(['Icecream','Cake'])
count = 0
while(count != 4):
 print('Q. What do we have for dessert? A: ' + next(dessert))
 count+=1

輸出：

Q. What do we have for dessert? A: Icecream
Q. What do we have for dessert? A: Cake
Q. What do we have for dessert? A: Icecream
Q. What do we have for dessert? A: Cake

關于更多itertools模塊的使用， 可以參見python文檔 。

3.生成器（Generator）

生成器可以說是迭代器的親兄弟，生成器允許我們像上面那樣寫迭代器而不用額外定義__iter__()和__next__()方法。

看下面的案例：

def series_generator(low, high):
 while low <= high:
  yield low
  low += 1
n_list = []
for num in series_generator(1,10):
 n_list.append(num)
print(n_list)

如果一個方法中出現了yield關鍵字，那么該方法就是一個生成器。生成器中沒有return語句，函數的返回值實際上是一個generator。當循環開始執行到yield語句后，low的值會被擴展到要返回的generator中。當下一次循環到達yield語句時，generator會從上一次停止的地方恢復執行，并且將最新的low值添加到generator中。循環一直運行下去，直到low>high退出循環。

生成器支持延遲計算，只有當去取生成器中的值時才會計算。

例如：

def test():
 print("進入test函數")
 for i in range(2):
  print("yield number ",i)
  yield i
if "__main__" == __name__:
 print("開始調用test")
 res = test()
 print("結束調用test")
 next(res)
 next(res)

輸出：

開始調用test
結束調用test
第一次next(res)
進入test函數
yield number 0
第二次next(res)
yield number  1

從結果可以看出，只有使用next調用迭代器時（使用for,while循環也可以），才會去執行迭代器函數中的內容。

python中生成器可以分為生成器函數和生成器表達式，生成器函數和生成器表達式是兩種不同的類型。

生成器函數是一個函數體中有yield關鍵字的，我們上面定義的test就是生成器函數。

生成器表達式的使用比較受限制，一個生成器表達式返回一個生成器。下面是一個使用生成器表達式的案例：

squares = (x * x for x in range(1,10))
print(type(squares))
print(list(squares))

輸出：

<class 'generator'>
[1, 4, 9, 16, 25, 36, 49, 64, 81]

生成器的效率是非常高的，生成器可以更好的利用內存和CPU的使用效率，并且通常生成器的代碼都比較少，這使用生成器的代碼非常好容易理解。應此應該盡量多的在代碼中使用生成器。

感謝你能夠認真閱讀完這篇文章，希望小編分享的“Python中迭代器的示例分析”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!