# 理解 Python 迭代对象、迭代器、生成器

### 容器(container)

• list, deque, ....
• set, frozensets, ....
• dict, defaultdict, OrderedDict, Counter, ....
• tuple, namedtuple, …
• str

>>> assert 1 in [1, 2, 3]      # lists
>>> assert 4 not in [1, 2, 3]
>>> assert 1 in {1, 2, 3}      # sets
>>> assert 4 not in {1, 2, 3}
>>> assert 1 in (1, 2, 3)      # tuples
>>> assert 4 not in (1, 2, 3)

>>> d = {1: 'foo', 2: 'bar', 3: 'qux'}
>>> assert 1 in d
>>> assert 'foo' not in d  # 'foo' 不是dict中的元素

>>> s = 'foobar'
>>> assert 'b' in s
>>> assert 'x' not in s
>>> assert 'foo' in s

### 可迭代对象(iterable)

>>> x = [1, 2, 3]
>>> y = iter(x)
>>> z = iter(x)
>>> next(y)
1
>>> next(y)
2
>>> next(z)
1
>>> type(x)
>>> type(y)

x = [1, 2, 3]
for elem in x:
...

>>> import dis
>>> x = [1, 2, 3]
>>> dis.dis('for _ in x: pass')
1           0 SETUP_LOOP              14 (to 17)
6 GET_ITER
>>    7 FOR_ITER                 6 (to 16)
10 STORE_NAME               1 (_)
13 JUMP_ABSOLUTE            7
>>   16 POP_BLOCK
20 RETURN_VALUE

### 迭代器(iterator)

>>> from itertools import count
>>> counter = count(start=13)
>>> next(counter)
13
>>> next(counter)
14

>>> from itertools import cycle
>>> colors = cycle(['red', 'white', 'blue'])
>>> next(colors)
'red'
>>> next(colors)
'white'
>>> next(colors)
'blue'
>>> next(colors)
'red'

>>> from itertools import islice
>>> colors = cycle(['red', 'white', 'blue'])  # infinite
>>> limited = islice(colors, 0, 4)            # finite
>>> for x in limited:
...     print(x)
red
white
blue
red

class Fib:
def __init__(self):
self.prev = 0
self.curr = 1
def __iter__(self):
return self
def __next__(self):
value = self.curr
self.curr += self.prev
self.prev = value
return value
>>> f = Fib()
>>> list(islice(f, 0, 10))
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

Fib既是一个可迭代对象（因为它实现了 __iter__方法），又是一个迭代器（因为实现了 __next__方法）。实例变量 prevcurr用户维护迭代器内部的状态。每次调用 next()方法的时候做两件事 ：

• 为当前这次调用生成返回结果
迭代器 就像一个懒加载的工厂，等到有人需要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。
生成器(generator)
生成器算得上是Python语言中最吸引人的特性之一，生成器其实是一种特殊的迭代器，不过这种迭代器更加优雅。它不需要再像上面的类一样写 __iter__()__next__()方法了，只需要一个 yiled关键字。 生成器一定是迭代器（反之不成立），因此任何生成器也是以一种懒加载的模式生成值。用生成器来实现斐波那契数列的例子是：
def fib():
prev, curr = 0, 1
while True:
yield curr
prev, curr = curr, curr + prev
>>> f = fib()
>>> list(islice(f, 0, 10))
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
• fib就是一个普通的python函数，它特需的地方在于函数体中没有 return关键字，函数的返回值是一个生成器对象。当执行 f=fib()返回的是一个生成器对象，此时函数体中的代码并不会执行，只有显示或隐示地调用next的时候才会真正执行里面的代码。
生成器在Python中是一个非常强大的编程结构，可以用更少地中间变量写流式代码，此外，相比其它容器对象它更能节省内存和CPU，当然它可以用更少的代码来实现相似的功能。现在就可以动手重构你的代码了，但凡看到类似：
def something():
result = []
for ... in ...:
result.append(x)
return result
• 都可以用生成器函数来替换：
def iter_something():
for ... in ...:
yield x
• 生成器表达式(generator expression)
生成器表达式是列表推倒式的生成器版本，看起来像列表推导式，但是它返回的是一个生成器对象而不是列表对象。
>>> a = (x*x for x in range(10))
>>> a
at 0x401f08>
>>> sum(a)
285

|
3天前
|

Python里的类和对象是什么？

14 1
|
19天前
|
Python
Python中使用类和对象
【7月更文挑战第23天】
17 6
|
21天前
|

Python代码优化使用生成器（Generators）
【7月更文挑战第22天】
31 5
|
27天前
|

Python中关于迭代器的使用

16 2
|
5天前
|
Python
【python笔记】使用zip函数迭代多个可迭代对象
【python笔记】使用zip函数迭代多个可迭代对象
11 0
|
29天前
|

【7月更文挑战第15天】 使用Python实现深度学习模型：图像语义分割与对象检测
37 2
|
29天前
|

32 2
|
30天前
|
Python
matplotlib是Python中一个非常流行的绘图库，它提供了丰富的绘图接口，包括二维和三维图形的绘制。Axes3D是matplotlib中用于创建三维坐标轴的对象，而plot_surface则是用于在三维空间中绘制表面的函数。
matplotlib是Python中一个非常流行的绘图库，它提供了丰富的绘图接口，包括二维和三维图形的绘制。Axes3D是matplotlib中用于创建三维坐标轴的对象，而plot_surface则是用于在三维空间中绘制表面的函数。
21 0
|
30天前
|

MkDocs是一个用Python编写的快速、简单且易于定制的静态网站生成器
MkDocs是一个用Python编写的快速、简单且易于定制的静态网站生成器
14 0
|
3月前
|
Python
【Python操作基础】——字典，迭代器和生成器
【Python操作基础】——字典，迭代器和生成器
36 2