详解迭代器的使用 | 手把手教你入门Python之八十

简介: 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。

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=" ")

配套视频

相关文章
|
12天前
|
数据采集 存储 XML
Python爬虫定义入门知识
Python爬虫是用于自动化抓取互联网数据的程序。其基本概念包括爬虫、请求、响应和解析。常用库有Requests、BeautifulSoup、Scrapy和Selenium。工作流程包括发送请求、接收响应、解析数据和存储数据。注意事项包括遵守Robots协议、避免过度请求、处理异常和确保数据合法性。Python爬虫强大而灵活,但使用时需遵守法律法规。
|
10天前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
|
10天前
|
机器学习/深度学习 数据挖掘 Python
Python编程入门——从零开始构建你的第一个程序
【10月更文挑战第39天】本文将带你走进Python的世界,通过简单易懂的语言和实际的代码示例,让你快速掌握Python的基础语法。无论你是编程新手还是想学习新语言的老手,这篇文章都能为你提供有价值的信息。我们将从变量、数据类型、控制结构等基本概念入手,逐步过渡到函数、模块等高级特性,最后通过一个综合示例来巩固所学知识。让我们一起开启Python编程之旅吧!
|
10天前
|
存储 Python
Python编程入门:打造你的第一个程序
【10月更文挑战第39天】在数字时代的浪潮中,掌握编程技能如同掌握了一门新时代的语言。本文将引导你步入Python编程的奇妙世界,从零基础出发,一步步构建你的第一个程序。我们将探索编程的基本概念,通过简单示例理解变量、数据类型和控制结构,最终实现一个简单的猜数字游戏。这不仅是一段代码的旅程,更是逻辑思维和问题解决能力的锻炼之旅。准备好了吗?让我们开始吧!
|
9天前
|
设计模式 缓存 开发框架
Python中的装饰器:从入门到实践####
本文深入探讨了Python中装饰器的工作原理与应用,通过具体案例展示了如何利用装饰器增强函数功能、提高代码复用性和可读性。读者将学习到装饰器的基本概念、实现方法及其在实际项目开发中的实用技巧。 ####
20 3
|
12天前
|
机器学习/深度学习 数据采集 数据可视化
Python在数据科学中的应用:从入门到实践
本文旨在为读者提供一个Python在数据科学领域应用的全面概览。我们将从Python的基础语法开始,逐步深入到数据处理、分析和可视化的高级技术。文章不仅涵盖了Python中常用的数据科学库,如NumPy、Pandas和Matplotlib,还探讨了机器学习库Scikit-learn的使用。通过实际案例分析,本文将展示如何利用Python进行数据清洗、特征工程、模型训练和结果评估。此外,我们还将探讨Python在大数据处理中的应用,以及如何通过集成学习和深度学习技术来提升数据分析的准确性和效率。
|
11天前
|
机器学习/深度学习 数据挖掘 开发者
Python编程入门:理解基础语法与编写第一个程序
【10月更文挑战第37天】本文旨在为初学者提供Python编程的初步了解,通过简明的语言和直观的例子,引导读者掌握Python的基础语法,并完成一个简单的程序。我们将从变量、数据类型到控制结构,逐步展开讲解,确保即使是编程新手也能轻松跟上。文章末尾附有完整代码示例,供读者参考和实践。
|
12天前
|
人工智能 数据挖掘 程序员
Python编程入门:从零到英雄
【10月更文挑战第37天】本文将引导你走进Python编程的世界,无论你是初学者还是有一定基础的开发者,都能从中受益。我们将从最基础的语法开始讲解,逐步深入到更复杂的主题,如数据结构、面向对象编程和网络编程等。通过本文的学习,你将能够编写出自己的Python程序,实现各种功能。让我们一起踏上Python编程之旅吧!
|
12天前
|
数据采集 机器学习/深度学习 人工智能
Python编程入门:从基础到实战
【10月更文挑战第36天】本文将带你走进Python的世界,从基础语法出发,逐步深入到实际项目应用。我们将一起探索Python的简洁与强大,通过实例学习如何运用Python解决问题。无论你是编程新手还是希望扩展技能的老手,这篇文章都将为你提供有价值的指导和灵感。让我们一起开启Python编程之旅,用代码书写想法,创造可能。
|
5天前
|
机器学习/深度学习 存储 数据挖掘
Python 编程入门:理解变量、数据类型和基本运算
【10月更文挑战第43天】在编程的海洋中,Python是一艘易于驾驭的小船。本文将带你启航,探索Python编程的基础:变量的声明与使用、丰富的数据类型以及如何通过基本运算符来操作它们。我们将从浅显易懂的例子出发,逐步深入到代码示例,确保即使是零基础的读者也能跟上步伐。准备好了吗?让我们开始吧!
16 0
下一篇
无影云桌面