Python迭代器

简介: 可迭代对象、迭代器的区别与联系

一、可迭代对象

1.迭代的概念

通过for循环遍历取值的过程叫做迭代。

2.可迭代对象

能够通过for循环遍历取值的对象叫做可迭代对象,比如字符串、列表、元组、字典、集合、range都属于可迭代对象。

可以通过isinstance函数来判断对象是否为可迭代对象:

fromcollections.abcimportIterableprint(isinstance([], Iterable))  # Trueprint(isinstance("", Iterable))  # Trueprint(isinstance({}, Iterable))  # Trueprint(isinstance((), Iterable))  # Trueprint(isinstance({"name": "lucy"}, Iterable))  # True

二、迭代器

1.迭代器的概念

  • 迭代器是一个可以记住遍历的位置的对象
  • 迭代器对象从集合的第一个元素开始访问,直到所有的元素被访问完结束,迭代器只能往前不会后退

迭代器有两个基本的方法:iter() next(),字符串,列表或元组对象都可用于创建迭代器,迭代器对象可以使用常规 for 语句进行遍历,也可以使用 next() 函数来遍历。list、tuple等都是可迭代对象,可以通过iter()函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器不断使用next()函数来获取下一条数据。iter()函数实际上就是调用了可迭代对象的 __iter__ 方法。next()实际调用了 __next__()方法。

iter()  -----   __iter__()

next()   -----  __next__()

2.用iter()创建迭代器

将字符串转换为迭代器:

name="james"new_name=iter(name)
print(type(name))  # <class 'str'>print(type(new_name))  # <class 'str_iterator'>print(isinstance(new_name, Iterator))  # True

将列表转换为迭代器:

list1= [1, 2, 3, 4, 5]
new_list1=iter(list1)
print(type(list1))  # <class 'list'>print(type(new_list1))  # <class 'list_iterator'>print(isinstance(new_list1, Iterator))  # True

3.遍历迭代器

通过for循环遍历

# 通过for循环遍历foriinnew_name:
print(i)
'''james'''

通过next()函数遍历

# 通过next()函数遍历, next()new_list1.__next__()print(next(new_list1))  # 1print(next(new_list1))  # 2print(next(new_list1))  # 3print(new_list1.__next__())  # 4print(new_list1.__next__())  # 5

next()函数获取,按照从前往后的顺序,每次只获取一个、每个值只能获取一次,当获取次数超过总长度时会报错StopIteration,可使用如下写法:

whileTrue:
try:
print(next(new_list1))
exceptStopIteration:
break

4.可迭代对象 VS 迭代器对象

先来打印一下可迭代对象和迭代器的属性列表

# 获取可迭代对象的属性列表list_2= [1, 2, 3]
print(dir(list_2))
['__add__', '__class__', '__class_getitem__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']

通过打印结果中可以看出,可迭代对象方法列表中实现了__iter__方法,但并没有实现__next__方法;

# 获取迭代器对象的属性列表list_2= [1, 2, 3]
print(dir(iter(list_2)))
['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__length_hint__', '__lt__', '__ne__', '__new__', '__next__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setstate__', '__sizeof__', '__str__', '__subclasshook__']

通过打印结果中可以看出,可迭代对象方法列表中既实现了__iter__方法,也实现了__next__方法;

所以,可以总结出迭代器(Iterator)与可迭代对象(Iterable)的区别:

  • 迭代器一定是可迭代对象,因为同时实现了__iter__方法和__next__方法,可以通过next()方法获取下一个值,但是每个值只能获取一次;
  • 但可迭代对象并不一定是迭代器,例如列表、字典、字符串,它们只实现了__iter__方法,如果想变成迭代器对象可以使用iter()进行转换;
  • 迭代器和可迭代对象都可以用作for循环遍历;
  • 只要可以用for循环遍历的都是可迭代对象,只要可以用next()函数遍历的都是迭代器对象;

5.使用迭代器的意义

使用for循环也可以遍历列表、字典等可迭代对象,列表、字典等可迭代对象是一次性将所有元素都加载到内存中,当可迭代对象的长度较长时,会占用系统资源,而使用迭代器,则是每次只获取一个,返回一个,不会造成资源浪费,在性能上大大优于未使用迭代器的场景

6.自定义一个迭代器

自定义一个迭代器,随机生成10个0-100的整数

classRandomIterator(object):
def__init__(self):
self.count=0# 只有使用__iter__方法才能使用for循环进行遍历,否则只能用next()获取迭代对象# 使用了__iter__方法的都是可迭代对象def__iter__(self):
returnself# 使用了__next__方法的都是迭代器对象def__next__(self):
ifself.count==10:
raiseStopIterationnumber=random.randint(0, 100)
self.count+=1returnnumberrandom_iter=RandomIterator()
foriinrandom_iter:
print(i)
'''49359247291123573857'''

小结

  • 迭代器一定是可迭代对象,但可迭代对象不一定是迭代器;
  • 要想自己实现迭代器,必须实现__iter__方法和__next__方法。
相关文章
|
27天前
|
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。 ####
|
1月前
|
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。 ###
|
2月前
|
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?
47 6
|
3月前
|
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
53 13
|
3月前
|
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
23 3
|
2月前
|
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
25 0
|
4月前
|
数据采集 存储 大数据
Python关于迭代器的使用
在Python编程中,数据的处理和操作是核心任务之一。 想象一下,你有一个装满各种颜色球的箱子,你想逐个查看并使用这些球,但又不想一次性将它们全部取出。 这就引出了我们今天要讨论的主题——迭代。
|
4月前
|
存储 安全 数据库
Python中的可迭代性与迭代器
在Python中,可迭代性和迭代器是非常重要的概念,它们为我们提供了一种优雅且高效的方式来处理序列和集合数据。本文将深入探讨这些概念,包括可迭代协议以及与异步编程相关的可迭代性和迭代器。
|
4月前
|
存储 安全 数据库
Python中的可迭代性与迭代器
在Python中,可迭代性和迭代器是非常重要的概念,它们为我们提供了一种优雅且高效的方式来处理序列和集合数据。本文将深入探讨这些概念,包括可迭代协议以及与异步编程相关的可迭代性和迭代器。
|
5月前
|
数据采集 存储 大数据
Python中关于迭代器的使用
总之,迭代器是Python编程的基石,它们在处理数据、优化性能和构建复杂系统方面都有着不可替代的地位。随着技术的不断进步,迭代器将继续在各种编程场景中发挥重要作用。