Python 迭代器介绍及其作用(上)

简介: Python 学习的人都知道,Python 中存在两种循环语句:while 和 for。for 循环可以用于 Python 中的任何序列,包括列表、元组、字符串。

迭代器:初探

Python 学习的人都知道,Python 中存在两种循环语句:while 和 for。for 循环可以用于 Python 中的任何序列,包括列表、元组、字符串。

>>> for x in [2013, 14, 15926]: print(x, end=' ')...2013 14 15926>>>>>> for x in (2021, 2022, 2023): print(x, end='->')...2021->2022->2023->>>> for x in 'HelloWorld': print(x, end=' ')...H e l l o W o r l d

复制代码

实际上,for 循环还能使用于任何可迭代对象。可迭代对象在 Python 中是新颖特别的概念,但实际上就是序列概念的通用化:如果对象时实际保存的序列,或者可以在迭代工具中(如 for 循环)一次产生一个结果的对象,就看做可迭代的。可以说,Python 中迭代器无处不在

什么是迭代器?

Python 中的迭代器是一个对象,用于迭代列表、元组、字典和集合等可迭代对象。Python 迭代器对象必须实现两个特殊的方法:__iter__()__next__() 方法:

  • 使用 __iter__() 方法初始化迭代器对象
  • 使用 __next__() 方法进行迭代。

通过迭代器进行迭代

iter() 函数依次调用 __iter__() 方法,返回一个迭代器。我们使用 next() 函数手动遍历迭代器的所有项。


网络异常,图片无法展示
|

当我们到达终点并且没有更多数据要返回时,它将引发 StopIteration 异常。下面是一个例子:

# define a list
my_list = [2013, 14, 15926]
# get an iterator using iter()
my_iter = iter(my_list)
# iterate through it using next()
# Output: 2013
print(next(my_iter))
# Output: 14
print(next(my_iter))
# next(obj) is same as obj.__next__()
# Output: 15926
print(my_iter.__next__())
# This will raise error, no items left
next(my_iter)

依次执行上面的代码,输出如下:

2013
14
15926
Traceback (most recent call last):
  File "<string>", line 24, in <module>
    next(my_iter)
StopIteration

一种更优雅的自动迭代方式是使用 for 循环。使用它,我们可以迭代任何可以返回迭代器的对象,例如列表、字符串、文件等。

>>> for element in my_list:
...     print(element)
...     
2013
14
15926

迭代器 for 循环的工作

正如我们在上面的示例中看到的,for 循环能够自动遍历列表。

实际上 for 循环可以迭代任何可迭代对象。让我们仔细看看 for 循环是如何在 Python 中实际实现的。

for element in iterable:
    # do something with element

实际实现为:

# create an iterator object from that iterable
iter_obj = iter(iterable)
# infinite loop
while True:
    try:
        # get the next item
        element = next(iter_obj)
        print(element)
        # do something with element
    except StopIteration:
        # if StopIteration is raised, break from loop
        break

所以在内部,for 循环通过在可迭代对象上调用 iter() 创建一个迭代器对象 iter_obj。具有讽刺意味的是,这个 for 循环实际上是一个无限的 while 循环。

在循环内部,它调用 next() 来获取下一个元素并使用该值执行 for 循环的主体。在所有项目耗尽后,StopIteration 被引发,内部捕获并结束循环。请注意,任何其他类型的异常都会通过。

相关文章
|
5月前
|
存储 JavaScript Java
(Python基础)新时代语言!一起学习Python吧!(四):dict字典和set类型;切片类型、列表生成式;map和reduce迭代器;filter过滤函数、sorted排序函数;lambda函数
dict字典 Python内置了字典:dict的支持,dict全称dictionary,在其他语言中也称为map,使用键-值(key-value)存储,具有极快的查找速度。 我们可以通过声明JS对象一样的方式声明dict
356 1
|
6月前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
344 2
|
7月前
|
传感器 数据采集 监控
Python生成器与迭代器:从内存优化到协程调度的深度实践
简介:本文深入解析Python迭代器与生成器的原理及应用,涵盖内存优化技巧、底层协议实现、生成器通信机制及异步编程场景。通过实例讲解如何高效处理大文件、构建数据流水线,并对比不同迭代方式的性能特点,助你编写低内存、高效率的Python代码。
299 0
|
6月前
|
大数据 数据处理 数据安全/隐私保护
Python3 迭代器与生成器详解:从入门到实践
简介:本文深入解析Python中处理数据序列的利器——迭代器与生成器。通过通俗语言与实战案例,讲解其核心原理、自定义实现及大数据处理中的高效应用。
315 0
|
大数据 数据处理 开发者
Python中的迭代器和生成器:不仅仅是语法糖####
本文探讨了Python中迭代器和生成器的深层价值,它们不仅简化代码、提升性能,还促进了函数式编程风格。通过具体示例,揭示了这些工具在处理大数据、惰性求值及资源管理等方面的优势。 ####
|
索引 Python
解密 Python 迭代器的实现原理
解密 Python 迭代器的实现原理
165 13
|
存储 索引 Python
Python 迭代器是怎么实现的?
Python 迭代器是怎么实现的?
182 6
|
机器学习/深度学习 设计模式 大数据
30天拿下Python之迭代器和生成器
30天拿下Python之迭代器和生成器
132 3
|
存储 程序员 数据处理
深入理解Python中的生成器与迭代器###
本文将探讨Python中生成器与迭代器的核心概念,通过对比分析二者的异同,结合具体代码示例,揭示它们在提高程序效率、优化内存使用方面的独特优势。生成器作为迭代器的一种特殊形式,其惰性求值的特性使其在处理大数据流时表现尤为出色。掌握生成器与迭代器的灵活运用,对于提升Python编程技能及解决复杂问题具有重要意义。 ###
|
存储 大数据 Python
Python 中迭代器与生成器:深度解析与实用指南
Python 中迭代器与生成器:深度解析与实用指南
135 0

推荐镜像

更多