一篇文章彻底搞懂Python中可迭代(Iterable)、迭代器(Iterator)与生成器(Generator)的概念

2023-08-23 14:26:05 79

前言

在Python中可迭代(Iterable)、迭代器(Iterator)和生成器(Generator)这几个概念是经常用到的，初学时对这几个概念也是经常混淆，现在是时候把这几个概念搞清楚了。

0x00可迭代(Iterable)

简单的说，一个对象(在Python里面一切都是对象)只要实现了只要实现了__iter__()方法，那么用isinstance()函数检查就是Iterable对象；

例如

classIterObj:

def__iter__(self):
#这里简单地返回自身
#但实际情况可能不会这么写
#而是通过内置的可迭代对象来实现
#下文的列子中将会展示
returnself

上面定义了一个类IterObj并实现了__iter__()方法，这个就是一个可迭代(Iterable)对象

it=IterObj()
print(isinstance(it,Iterable))#true
print(isinstance(it,Iterator))#false
print(isinstance(it,Generator))#false

记住这个类，下文我们还会看到这个类的定义。

常见的可迭代对象

在Python中有哪些常见的可迭代对象呢？

集合或序列类型（如list、tuple、set、dict、str）
文件对象
在类中定义了__iter__()方法的对象，可以被认为是Iterable对象，但自定义的可迭代对象要能在for循环中正确使用，就需要保证__iter__()实现必须是正确的（即可以通过内置iter()函数转成Iterator对象。关于Iterator下文还会说明，这里留下一个坑，只是记住iter()函数是能够将一个可迭代对象转成迭代器对象，然后在for中使用）
在类中实现了如果只实现__getitem__()的对象可以通过iter()函数转化成迭代器但其本身不是可迭代对象。所以当一个对象能够在for循环中运行，但不一定是Iterable对象。

关于第1、2点我们可以通过以下来验证

print(isinstance([],Iterable))#truelist是可迭代的
print(isinstance({},Iterable))#true字典是可迭代的
print(isinstance((),Iterable))#true元组是可迭代的
print(isinstance(set(),Iterable))#trueset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__))
withopen(currPath+'/model.py')asfile:
print(isinstance(file,Iterable))#true

我们再来看第3点，

print(hasattr([],"__iter__"))#true
print(hasattr({},"__iter__"))#true
print(hasattr((),"__iter__"))#true
print(hasattr('',"__iter__"))#true

这些内置集合或序列对象都有__iter__属性，即他们都实现了同名方法。但这个可迭代对象要在for循环中被使用，那么它就应该能够被内置的iter()函数调用并转化成Iterator对象。

例如，我们看内置的可迭代对象

print(iter([]))#
print(iter({}))#
print(iter(()))#
print(iter(''))#

它们都相应的转成了对应的迭代器(Iterator)对象。

现在回过头再看看一开始定义的那个IterObj类

classIterObj:

def__iter__(self):
returnself

it=IterObj()
print(iter(it))

我们使用了iter()函数，这时候将再控制台上打印出以下信息：

Traceback(mostrecentcalllast):
File"/Users/mac/PycharmProjects/iterable_iterator_generator.py",line71,in
print(iter(it))
TypeError:iter()returnednon-iteratoroftype'IterObj'

出现了类型错误，意思是iter()函数不能将‘非迭代器'类型转成迭代器。

那如何才能将一个可迭代(Iterable)对象转成迭代器(Iterator)对象呢？

我们修改一下IterObj类的定义

classIterObj:

def__init__(self):
self.a=[3,5,7,11,13,17,19]

def__iter__(self):
returniter(self.a)

我们在构造方法中定义了一个名为a的列表，然后还实现了__iter__()方法。

修改后的类是可以被iter()函数调用的，即也可以在for循环中使用

it=IterObj()
print(isinstance(it,Iterable))#true
print(isinstance(it,Iterator))#false
print(isinstance(it,Generator))#false
print(iter(it))#
foriinit:
print(i)#将打印3、5、7、11、13、17、19元素

因此在定义一个可迭代对象时，我们要非常注意__iter__()方法的内部实现逻辑，一般情况下，是通过一些已知的可迭代对象（例如，上文提到的集合、序列、文件等或其他正确定义的可迭代对象）来辅助我们来实现

关于第4点说明的意思是iter()函数可以将一个实现了__getitem__()方法的对象转成迭代器对象，也可以在for循环中使用，但是如果用isinstance()方法来检测时，它不是一个可迭代对象。

classIterObj:

def__init__(self):
self.a=[3,5,7,11,13,17,19]

def__getitem__(self,i):
returnself.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))#

foriinit:
print(i)#将打印出3、5、7、11、13、17、19

这个例子说明了可以在for中使用的对象，不一定是可迭代对象。

现在我们做个小结：

一个可迭代的对象是实现了__iter__()方法的对象
它要在for循环中使用，就必须满足iter()的调用(即调用这个函数不会出错，能够正确转成一个Iterator对象)
可以通过已知的可迭代对象来辅助实现我们自定义的可迭代对象。
一个对象实现了__getitem__()方法可以通过iter()函数转成Iterator，即可以在for循环中使用，但它不是一个可迭代对象(可用isinstance方法检测())

0x01迭代器(Iterator)

上文很多地方都提到了Iterator,现在我们把这个坑填上。

当我们对可迭代的概念了解后，对于迭代器就比较好理解了。

一个对象实现了__iter__()和__next__()方法，那么它就是一个迭代器对象。例如

classIterObj:

def__init__(self):
self.a=[3,5,7,11,13,17,19]

self.n=len(self.a)
self.i=0

def__iter__(self):
returniter(self.a)

def__next__(self):
whileself.i
在IterObj中，构造函数中定义了一个列表a,列表长度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
我们可以发现上文提到的


集合和序列对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
而文件对象是迭代器


currPath=os.path.dirname(os.path.abspath(__file__))
withopen(currPath+'/model.py')asfile:
print(isinstance(file,Iterator))#true
一个迭代器(Iterator)对象不仅可以在for循环中使用，还可以通过内置函数next()函数进行调用。例如


it=IterObj()
next(it)#3
next(it)#5
0x02生成器(Generator)


现在我们来看看什么是生成器？


一个生成器既是可迭代的也是迭代器


定义生成器有两种方式：

列表生成器
使用yield定义生成器函数

先看第1种情况


g=(x*2forxinrange(10))#0～18的偶数生成器
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内存来生成一个巨大的列表，只有在需要数据的时候才会进行计算。


再看第2种情况


defgen():
foriinrange(10):
yieldi
这里yield的作用就相当于return,这个函数就是顺序地返回[0,10)的之间的自然数，可以通过next()或使用for循环来遍历。


当程序遇到yield关键字时，这个生成器函数就返回了，直到再次执行了next()函数，它就会从上次函数返回的执行点继续执行，即yield退出时保存了函数执行的位置、变量等信息，再次执行时，就从这个yield退出的地方继续往下执行。


在Python中利用生成器的这些特点可以实现协程。协程可以理解为一个轻量级的线程，它相对于线程处理高并发场景有很多优势。


看下面一个用协程实现的生产者-消费者模型


defproducer(c):
n=0
whilen<5:
n+=1
print('producer{}'.format(n))
r=c.send(n)
print('consumerreturn{}'.format(r))


defconsumer():
r=''
whileTrue:
n=yieldr
ifnotn:
return
print('consumer{}'.format(n))
r='ok'


if__name__=='__main__':
c=consumer()
next(c)#启动consumer
producer(c)
这段代码执行效果如下



producer1

consumer1

producerreturnok

producer2

consumer2

producerreturnok

producer3

consumer3

producerreturnok



协程实现了CPU在两个函数之间进行切换从而实现并发的效果。


0x04引用
docs.python.org/3.7/
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对毛票票的支持。

一篇文章彻底搞懂Python中可迭代(Iterable)、迭代器(Iterator)与生成器(Generator)的概念

热门推荐

随机推荐