上一篇:自定义异常 | 手把手教你入门Python之七十九
下一篇:生成器 | 手把手教你入门Python之八十一
本文来自于千锋教育在阿里云开发者社区学习中心上线课程《Python入门2020最新大课》,主讲人姜伟。
迭代器
迭代是访问集合元素的⼀种⽅式。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。
可迭代对象
我们已经知道可以对list、tuple、str等类型的数据使⽤for...in...的循环语法从其中依次拿到数据进⾏使⽤,我们把这样的过程称为遍历,也叫迭代。
但是,是否所有的数据类型都可以放到for...in...的语句中,然后让for...in...每次从中取出⼀条数据供我们使⽤,即供我们迭代吗?
>>> for i in 100:
... print(i)
...
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'int' object is not iterable
>>>
# int整型不是iterable,即int整型不是可以迭代的
我们把可以通过for...in...这类语句迭代读取⼀条数据供我们使⽤的对象称之为可迭代对象(Iterable)。
如何判断⼀个对象是否可以迭代
可以使⽤ isinstance()
判断⼀个对象是否是 Iterable 对象:
In [50]: from collections import Iterable
In [51]: isinstance([], Iterable)
Out[51]: True
In [52]: isinstance({}, Iterable)
Out[52]: True
In [53]: isinstance('abc', Iterable)
Out[53]: True
In [54]: isinstance(mylist, Iterable)
Out[54]: False
In [55]: isinstance(100, Iterable)
Out[55]: False
可迭代对象的本质
我们分析对可迭代对象进⾏迭代使⽤的过程,发现每迭代⼀次(即在for...in...中每循环⼀次)都会返回对象中的下⼀条数据,⼀直向后读取数据直到迭代了所有数据后结束。那么,在这个过程中就应该有⼀个“⼈”去记录每次访问到了第⼏条数据,以便每次迭代都可以返回下⼀条数据。我们把这个能帮助我们进⾏数据迭代的“⼈”称为迭代器(Iterator)。
可迭代对象的本质就是可以向我们提供⼀个这样的中间“⼈”即迭代器帮助我们对其进⾏迭代遍历使⽤。
可迭代对象通过 __iter__
⽅法向我们提供⼀个迭代器,我们在迭代⼀个可迭代对象的时候,实际上就是先获取该对象提供的⼀个迭代器,然后通过这个迭代器来依次获取对象中的每⼀个数据。
那么也就是说,⼀个具备了 __iter__
⽅法的对象,就是⼀个可迭代对象。
from collections.abc import Iterable
class Demo(object):
def __init__(self, n):
self.n = n
self.current = 0
def __iter__(self):
pass
demo = Demo(10)
print(isinstance(demo, Iterable)) # True
for d in demo: # 重写了 __iter__ ⽅法以后,demo就是⼀个⼀个可迭代对象了,可以放在for...in的后⾯
print(d)
# 此时再使⽤for...in循环遍历,会提示 TypeError: iter() returned non-iterator of type 'N
oneType'
# 这是因为,⼀个可迭代对象如果想要被for...in循环,它必须要有⼀个迭代器
迭代器Iterator
通过上⾯的分析,我们已经知道,迭代器是⽤来帮助我们记录每次迭代访问到的位置,当我们对迭代器使⽤next()
函数的时候,迭代器会向我们返回它所记录位置的下⼀个位置的数据。实际上,在使⽤next()
函数的时候,调⽤的就是迭代器对象的 __next__
⽅法(Python3中是对象的 __next__
⽅法,Python2中是对象的next()
⽅法)。所以,我们要想构造⼀个迭代器,就要实现它的next⽅法。但这还不够,python要求迭代器本身也是可迭代的,所以我们还要为迭代器实现 __iter__
⽅法,⽽ __iter__
⽅法要返回⼀个迭代器,迭代器⾃身正是⼀个迭代器,所以迭代器的 __iter__
⽅法返回⾃身即可。
⼀个实现了iter⽅法和next⽅法的对象,就是迭代器。
class MyIterator(object):
def __init__(self, n):
self.n = n
self.current = 0
# ⾃定义迭代器需要重写__iter__和__next__⽅法
def __iter__(self):
return self
def __next__(self):
if self.current < self.n:
value = self.current
self.current += 1
return value
else:
raise StopIteration
my_it = MyIterator(10)
for i in my_it: # 迭代器重写了__iter__⽅法,它本身也是⼀个可迭代对象
print(i)
如何判断⼀个对象是否是迭代器
调⽤⼀个对象的 __iter__
⽅法,或者调⽤iter()内置函数,可以获取到⼀个可迭代对象的迭代器。
names = ['hello', 'good', 'yes']
print(names.__iter__()) # 调⽤对象的__iter__()⽅法
print(iter(names)) # 调⽤iter()内置函数
可以使⽤ isinstance() 判断⼀个对象是否是 Iterator 对象:
from collections.abc import Iterator
names = ['hello', 'good', 'yes']
print(isinstance(iter(names), Iterator))
for...in...循环的本质
for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器,然后对获取到的迭代器不断调⽤next()⽅法来获取下⼀个值并将其赋值给item,当遇到StopIteration的异常后循环结束。
迭代器的应⽤场景
我们发现迭代器最核⼼的功能就是可以通过next()函数的调⽤来返回下⼀个数据值。如果每次返回的数据值不是在⼀个已有的数据集合中读取的,⽽是通过程序按照⼀定的规律计算⽣成的,那么也就意味着可以不⽤再依赖⼀个已有的数据集合,也就是说不⽤再将所有要迭代的数据都⼀次性缓存下来供后续依次读取,这样可以节省⼤量的存储(内存)空间。
举个例⼦,⽐如,数学中有个著名的斐波拉契数列(Fibonacci),数列中第⼀个数为0,第⼆个数为1,其后的每⼀个数都可由前两个数相加得到:
0, 1, 1, 2, 3, 5, 8, 13, 21, 34, ...
现在我们想要通过for...in...循环来遍历迭代斐波那契数列中的前n个数。那么这个斐波那契数列我们就可以⽤迭代器来实现,每次迭代都通过数学计算来⽣成下⼀个数。
class FibIterator(object):
"""斐波那契数列迭代器"""
def __init__(self, n):
"""
:param n: int, 指明⽣成数列的前n个数
"""
self.n = n
# current⽤来保存当前⽣成到数列中的第⼏个数了
self.current = 0
# num1⽤来保存前前⼀个数,初始值为数列中的第⼀个数0
self.num1 = 0
# num2⽤来保存前⼀个数,初始值为数列中的第⼆个数1
self.num2 = 1
def __next__(self):
"""被next()函数调⽤来获取下⼀个数"""
if self.current < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num1+self.num2
self.current += 1
return num
else:
raise StopIteration
def __iter__(self):
"""迭代器的__iter__返回⾃身即可"""
return self
if __name__ == '__main__':
fib = FibIterator(10)
for num in fib:
print(num, end=" ")