python可迭代对象 迭代器生成器_Python可迭代对象、迭代器和生成器
8.1 可迭代對象(Iterable)
大部分對象都是可迭代，只要實現了__iter__方法的對象就是可迭代的。
__iter__方法會返回迭代器(iterator)本身，例如：
>>> lst = [1,2,3]
>>> lst.__iter__()
Python提供一些語句和關鍵字用于訪問可迭代對象的元素，比如for循環、列表解析、邏輯操作符等。
判斷一個對象是否是可迭代對象：
>>> from collections import Iterable ?# 只導入Iterable方法
>>> isinstance('abc', Iterable)
True
>>> isinstance(1, Iterable)
False
>>> isinstance([], Iterable)
True
這里的isinstance()函數用于判斷對象類型，后面會講到。
可迭代對象一般都用for循環遍歷元素，也就是能用for循環的對象都可稱為可迭代對象。
例如，遍歷列表：
>>>?lst =?[1, 2, 3]
>>> for i in lst:
...? ?print i
...
1
2
3
博客地址：http://lizhenliang.blog.51cto.com and https://yq.aliyun.com/u/lizhenliang
QQ群：323779636(Shell/Python運維開發群)
8.2 迭代器(Iterator)
具有next方法的對象都是迭代器。在調用next方法時，迭代器會返回它的下一個值。如果next方法被調用，但迭代器沒有值可以返回，就會引發一個StopIteration異常。
使用迭代器的好處：
1)如果使用列表，計算值時會一次獲取所有值，那么就會占用更多的內存。而迭代器則是一個接一個計算。
2)使代碼更通用、更簡單。
8.2.1 迭代器規則
回憶下在Python數據類型章節講解到字典迭代器方法，來舉例說明下迭代器規則：
>>> d = {'a':1, 'b':2, 'c':3}
>>> d.iteritems()
# 判斷是否是迭代器
>>> from collections import Iterator
>>> isinstance(d, Iterator)
False
>>> isinstance(d.iteritems(), Iterator)
True
# 使用next方法。
>>> iter_items = d.iteritems()
>>> iter_items.next()
('a', 1)
>>> iter_items.next()
('c', 3)
>>> iter_items.next()
('b', 2)
由于字典是無序的，所以顯示的是無序的，實際是按照順序獲取的下一個元素。
8.2.2 iter()函數
使用iter()函數轉換成迭代器：
語法：
iter(collection) -> iterator
iter(callable, sentinel) -> iterator
>>> lst =?[1, 2, 3]
>>> isinstance(lst, Iterator)
False
>>> lst.next() ?# 不是迭代器是不具備next()屬性的
Traceback (most recent call last):
File "", line 1, in
AttributeError: 'list' object has no attribute 'next'
>>> iter_lst = iter(lst)
>>> isinstance(iter_lst, Iterator)
True
>>> iter_lst.next()
1
>>> iter_lst.next()
2
>>> iter_lst.next()
3
8.2.3 itertools模塊
itertools模塊是Python內建模塊，提供可操作迭代對象的函數。可以生成迭代器，也可以生成無限的序列迭代器。
有下面幾種生成無限序列的方法：
count([n]) --> n, n+1, n+2, ...
cycle(p) --> p0, p1, ... plast, p0, p1, ...
repeat(elem [,n]) --> elem, elem, elem, ... endlessly or up to n times
也有幾個操作迭代器的方法：
islice(seq, [start,] stop [, step]) --> elements from
chain(p, q, ...) --> p0, p1, ... plast, q0, q1, ...
groupby(iterable[, keyfunc]) --> sub-iterators grouped by value of keyfunc(v)
imap(fun, p, q, ...) --> fun(p0, q0), fun(p1, q1), ...
ifilter(pred, seq) --> elements of seq where pred(elem) is True
1)count生成序列迭代器
>>> from itertools import *? # 導入所有方法
# 用法 count(start=0, step=1) --> count object
>>> counter = count()
>>> counter.next()
0
>>> counter.next()
1
>>> counter.next()
2
......
可以使用start參數設置開始值，step設置步長。
2)cycle用可迭代對象生成迭代器
# 用法 cycle(iterable) --> cycle object
>>> i = cycle(['a', 'b', 'c'])
>>> i.next()
'a'
>>> i.next()
'b'
>>> i.next()
'c'
3)repeat用對象生成迭代器
# 用法 repeat(object [,times]) -> create an iterator which returns the object，就是任意對象
>>> i = repeat(1)
>>> i.next()
1
>>> i.next()
1
>>> i.next()
1
......
可使用無限次。
也可以指定次數：
>>> i = repeat(1, 2)
>>> i.next()
1
>>> i.next()
1
>>> i.next()
Traceback (most recent call last):
File "", line 1, in
StopIteration
4)islice用可迭代對象并設置結束位置
# 用法 islice(iterable, [start,] stop [, step]) --> islice object
>>> i = islice([1,2,3],2)
>>> i.next()
1
>>> i.next()
2
>>> i.next()
Traceback (most recent call last):
File "", line 1, in
StopIteration
正常的話也可以獲取的3。
5)chain用多個可迭代對象生成迭代器
# 用法 chain(*iterables) --> chain object
>>> i = chain('a','b','c')
>>> i.next()
'a'
>>> i.next()
'b'
>>> i.next()
'c'
6)groupby將可迭代對象中重復的元素挑出來放到一個迭代器中
# 用法 groupby(iterable[, keyfunc]) -> create an iterator which returns
>>> for key,group in groupby('abcddCca'):
...? ?print key,list(group)
...
a ['a']
b ['b']
c ['c']
d ['d', 'd']
C ['C']
c ['c']
a ['a']
groupby方法是區分大小寫的，如果想把大小寫的都放到一個迭代器中，可以定義函數處理下：
>>> for key,group in groupby('abcddCca', lambda c: c.upper()):
...? ?print key, list(group)
...
A ['a']
B ['b']
C ['c']
D ['d', 'd']
C ['C', 'c']
A ['a']
7)imap用函數處理多個可迭代對象
# 用法 imap(func, *iterables) --> imap object
>>> a = imap(lambda x, y: x * y,[1,2,3],[4,5,6])
>>> a.next()
4
>>> a.next()
10
>>> a.next()
18
8)ifilter過濾序列
# 用法 ifilter(function or None, sequence) --> ifilter object
>>> i = ifilter(lambda x: x%2==0,[1,2,3,4,5])
>>> for i in i:
...? ?print i
...
2
4
當使用for語句遍歷迭代器時，步驟大致這樣的，先調用迭代器對象的__iter__方法獲取迭代器對象，再調用對象的__next__()方法獲取下一個元素。最后引發StopIteration異常結束循環。
8.3 生成器(Generator)
什么是生成器？
1)任何包含yield語句的函數都稱為生成器。
2)生成器都是一個迭代器，但迭代器不一定是生成器。
8.3.1 生成器函數
在函數定義中使用yield語句就創建了一個生成器函數，而不是普通的函數。
當調用生成器函數時，每次執行到yield語句，生成器的狀態將被凍結起來，并將結果返回__next__調用者。凍結意思是局部的狀態都會被保存起來，包括局部變量綁定、指令指針。確保下一次調用時能從上一次的狀態繼續。
以生成斐波那契數列舉例說明yield使用：
斐波那契(Fibonacci)數列是一個簡單的遞歸數列，任意一個數都可以由前兩個數相加得到。
#!/usr/bin/python
# -*- coding: utf-8 -*-
def fab(max):
n, a, b = 0, 0, 1
while n < max:
print b
a, b = b, a + b
n += 1
fab(5)
# python test.py
1
1
2
3
5
使用yied語句，只需要把print b改成yield b即可：
#!/usr/bin/python
# -*- coding: utf-8 -*-
def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b
# print b
a, b = b, a + b
n += 1
print fab(5)
# python test.py
可見，調用fab函數不會執行fab函數，而是直接返回了一個生成器對象，上面說過生成器就是一個迭代器。那么就可以通過next方法來返回它下一個值。
>>> import test
>>> f = test.fab(5)
>>> f.next()
1
>>> f.next()
1
>>> f.next()
2
>>> f.next()
3
>>> f.next()
5
每次fab函數的next方法，就會執行fab函數，執行到yield b時，fab函數返回一個值，下一次執行next方法時，代碼從yield b的嚇一跳語句繼續執行，直到再遇到yield。
8.3.2 生成器表達式
在第四章 Python運算符和流程控制章節講過，簡化for和if語句，使用小括號()返回一個生成器，中括號[]生成一個列表。
回顧下：
# 生成器表達式
>>> result = (x for x in range(5))
>>> result
at 0x030A4FD0>
>>> type(result)
# 列表解析表達式
>>> result = [ x for x in range(5)]
>>> type(result)
>>> result
[0, 1, 2, 3, 4]
第一個就是生成器表達式，返回的是一個生成器，就可以使用next方法，來獲取下一個元素：
>>> result.next()
0
>>> result.next()
1
>>> result.next()
2
......
總結
以上是生活随笔為你收集整理的python可迭代对象 迭代器生成器_Python可迭代对象、迭代器和生成器的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 关于DNF的多媒体包NPK文件的那些事儿
- 下一篇： python3输入输出_Python3