本节书摘来自华章社区《编写高质量Python代码的59个有效方法》一书中的第17条：在参数上面迭代时，要多加小心，作者［美］布雷特·斯拉特金（Brett Slatkin），更多章节内容可以访问云栖社区“华章社区”公众号查看
第17条：在参数上面迭代时，要多加小心
如果函数接受的参数是个对象列表，那么很有可能要在这个列表上面多次迭代。例如，要分析来美国Texas旅游的人数。假设数据集是由每个城市的游客数量构成的（单位是每年百万人）。现在要统计来每个城市旅游的人数，占总游客数的百分比。
为此，需要编写标准化函数（normalization function）。它会把所有的输入值加总，以求出每年的游客总数。然后，用每个城市的游客数除以总数，以求出该城市所占的比例。
把各城市的游客数量放在一份列表里，传给该函数，可以得到正确结果。
为了扩大函数的应用范围，现在把Texas每个城市的游客数放在一份文件里面，然后从该文件中读取数据。由于这套流程还能够分析全世界的游客数量，所以笔者定义了生成器函数来实现此功能，以便稍后把该函数重用到更为庞大的数据集上面（参见本书第16条）。
奇怪的是，以生成器所返回的那个迭代器为参数，来调用normalize，却没有产生任何结果。
出现这种情况的原因在于，迭代器只能产生一轮结果。在抛出过StopIteration异常的迭代器或生成器上面继续迭代第二轮，是不会有结果的。
通过上面这段代码，我们还可以看出一个奇怪的地方，那就是：在已经用完的迭代器上面继续迭代时，居然不会报错。for循环、list构造器以及Python标准库里的其他许多函数，都认为在正常的操作过程中完全有可能出现StopIteration异常，这些函数没办法区分这个迭代器是本来就没有输出值，还是本来有输出值，但现在已经用完了。
为解决此问题，我们可以明确地使用该迭代器制作一份列表，将它的全部内容都遍历一次，并复制到这份列表里，然后，就可以在复制出来的数据列表上面多次迭代了。下面这个函数的功能，与刚才的normalize函数相同，只是它会把包含输入数据的那个迭代器，小心地复制一份：
这次再把调用生成器所返回的迭代器传给normalize_copy，就能产生正确结果了：
这种写法的问题在于，待复制的那个迭代器，可能含有大量输入数据，从而导致程序在复制迭代器的时候耗尽内存并崩溃。一种解决办法是通过参数来接受另外一个函数，那个函数每次调用后，都能返回新的迭代器。
使用normalize_func函数的时候，可以传入lambda表达式，该表达式会调用生成器，以便每次都能产生新的迭代器。
这种办法虽然没错，但是像上面这样传递lambda函数，毕竟显得生硬。还有个更好的办法，也能达成同样的效果，那就是新编一种实现迭代器协议（iterator protocol）的容器类。
Python在for循环及相关表达式中遍历某种容器的内容时，就要依靠这个迭代器协议。在执行类似for x in foo这样的语句时，Python实际上会调用iter(foo)。内置的iter函数又会调用foo.__iter__这个特殊方法。该方法必须返回迭代器对象，而那个迭代器本身，则实现了名为__next__的特殊方法。此后，for循环会在迭代器对象上面反复调用内置的next函数，直至其耗尽并产生StopIteration异常。
这听起来比较复杂，但实际上，只需要令自己的类把__iter__方法实现为生成器，就能满足上述要求。下面定义一个可以迭代的容器类，用来从文件中读取游客数据：
这种新型容器，可以直接传给原来那个normalize函数，无需再做修改，即可正常运行。
normalize函数中的sum方法会调用ReadVisits.__iter__，从而得到新的迭代器对象，而调整数值所用的那个for循环，也会调用__iter__，从而得到另外一个新的迭代器对象，由于这两个迭代器会各自前进并走完一整轮，所以它们都可以看到全部的输入数据。这种方式的唯一缺点在于，需要多次读取输入数据。
明白了ReadVisits这种容器的工作原理之后，我们可以修改原来编写的normalize函数，以确保调用者传进来的参数，并不是迭代器对象本身。迭代器协议有这样的约定：如果把迭代器对象传给内置的iter函数，那么此函数会把该迭代器返回，反之，如果传给iter函数的是个容器类型的对象，那么iter函数则每次都会返回新的迭代器对象。于是，我们可以根据iter函数的这种行为来判断输入值是不是迭代器对象本身，如果是，就抛出TypeError错误。
如果我们不愿意像原来的normalize_copy那样，把迭代器中的输入数据完整复制一份，但却想多次迭代这些数据，那么上面这种写法就比较理想。这个函数能够处理list和ReadVisits这样的输入参数，因为它们都是容器。凡是遵从迭代器协议的容器类型，都与这个函数相兼容。
如果输入的参数是迭代器而不是容器，那么此函数就会抛出异常。
要点
函数在输入的参数上面多次迭代时要当心：如果参数是迭代器，那么可能会导致奇怪的行为并错失某些值。
Python的迭代器协议，描述了容器和迭代器应该如何与iter和next内置函数、for循环及相关表达式相互配合。
把__iter__方法实现为生成器，即可定义自己的容器类型。
想判断某个值是迭代器还是容器，可以拿该值为参数，两次调用iter函数，若结果相同，则是迭代器，调用内置的next函数，即可令该迭代器前进一步。
