Python中的迭代器和生成器
今天我们来学习下Python中的迭代器和生成器。
迭代和可迭代对象
在学习迭代器之前，我们需要了解下迭代和可迭代对象的概念。
迭代
迭代是访问集合元素的一种方式，在Python中，迭代是通过 for ... in ... 语句来完成的。
可迭代对象
在Python中，可直接作用于 for循环 的对象都称为可迭代对象（Iterable），而可以作用于 for循环 的数据类型有以下两类：
- 一类是集合数据类型，比如常见的
str、list、tuple、dict、set等 - 另一类是生成器（generator），包括生成器和带
yield的生成器函数
我们可以通过 isinstance() 来判断一个对象是否是可迭代对象：
from collections import Iterable
print(isinstance(123, Iterable)) # int类型，输出：False
print(isinstance("123", Iterable)) # str类型，输出：True
print(isinstance([1, 2, 3], Iterable)) # list类型，输出：True
print(isinstance((1, 2, 3), Iterable)) # tuple类型，输出：True
print(isinstance({"a": 1, "b": 2, "c": 3}, Iterable)) # dict类型，输出：True
print(isinstance({1, 2, 3}, Iterable)) # set类型，输出：True
迭代器
在Python中，可以被 next() 函数调用并不断返回下一个值的对象称为迭代器（Iterator），我们可以通过 isinstance() 来判断一个对象是否是迭代器：
from collections import Iterator
print(isinstance("123", Iterator)) # str类型，输出：False
print(isinstance([1, 2, 3], Iterator)) # list类型，输出：False
print(isinstance((1, 2, 3), Iterator)) # tuple类型，输出：False
print(isinstance({"a": 1, "b": 2, "c": 3}, Iterator)) # dict类型，输出：False
print(isinstance({1, 2, 3}, Iterator)) # set类型，输出：False
从上面结果可以看到，虽然 str、list、tuple、dict、set 都是可迭代对象（Iterable），但它们并不是迭代器（Iterator），我们可以通过迭代器中的 iter() 函数把这些可迭代对象（Iterable）变成迭代器（Iterator）。
from collections import Iterator
print(isinstance(iter("123"), Iterator)) # str类型，输出：True
print(isinstance(iter([1, 2, 3]), Iterator)) # list类型，输出：True
print(isinstance(iter((1, 2, 3)), Iterator)) # tuple类型，输出：True
print(isinstance(iter({"a": 1, "b": 2, "c": 3}), Iterator)) # dict类型，输出：True
print(isinstance(iter({1, 2, 3}), Iterator)) # set类型，输出：True
迭代器中有2个基本方法：iter()、next()，使用iter()创建一个迭代器后，就可以通过 next() 获取迭代器的下一个值，如果通过 next() 不断调用并返回下一个值，那么等到最后没有下一个值了，就会抛出异常：StopIteration。
a = [1, 2, 3]
iter_a= iter(a) # 创建迭代器对象
print(next(iter_a)) # 输出：1
print(next(iter_a)) # 输出：2
print(next(iter_a)) # 输出：3
print(next(iter_a)) # iter_a没有下一个值了，报错：StopIteration
在Python中，我们经常使用的 for循环 本质上就是通过不断调用 next() 实现的。
a = [1, 2, 3]
for i in a:
print(i)
从上面结果可以看到，我们使用 for循环 并不会抛出异常，这是因为其使用了 try ... except ... 语句，当遇到出现 StopIteration 就退出循环，其可看作等价于下面的代码实现：
a = [1, 2, 3]
iter_a = iter(a) # 创建迭代器对象
while True:
try:
print(next(iter_a)) # 输出迭代器的下一个值
except StopIteration: # 遇到 StopIteration 就退出循环
break
我们还可以用迭代器去实现斐波那契数列：
class Fib:
def __init__(self, n):
self.n = n
self.pre = 0
self.cur = 1
def __iter__(self):
return self
def __next__(self):
if self.n > 0:
value = self.cur
self.pre, self.cur = self.cur, self.pre + self.cur
self.n -= 1
return value
else:
raise StopIteration
fib = Fib(11)
for i in fib:
print(i, end=" ") # 输出：1 1 2 3 5 8 13 21 34 55 89
生成器
在Python中，生成器（generator）也是用在迭代操作中，其本质上可以理解为一个特殊的迭代器，生成器具有和迭代器一样的特性，但它们在实现方式上不一样。我们可以通过两种不同的方式创建生成器：生成器表达式、生成器函数。
- 生成器表达式
生成器表达式和列表推导式差不多，我们只需要把列表推导式的 [] 改为 () ，这样就是一个生成器表达式了。需要注意的是，列表推导式返回的是一个列表对象，而生成器表达式返回的是一个生成器对象，因此我们可以通过生成器表达式来创建一个生成器。
a = [i for i in range(5)]
print(type(a)) # <class 'list'>
print(a) # [0, 1, 2, 3, 4]
b = (i for i in range(5))
print(type(b)) # <class 'generator'>
print(b) # <generator object <genexpr> at 0x0000022A6719E7C8>
从上面可以看到，我们可以直接打印出列表对象的所有元素，但无法直接打印出生成器的所有元素。如果需要打印输出元素，我们可以使用 next() 函数，或者通过 for 循环来完成。
b = (i for i in range(5))
for i in b:
print(i, end=" ") # 输出：0 1 2 3 4
- 生成器函数
在Python中，普通函数一般通过 return 来返回一个值，当我们使用关键字 yield 来返回值，那么这个带有 yield 的函数就变成了生成器函数。
def demo1(n):
return n
def demo2(n):
yield n
a = demo1(100)
print(type(a)) # <class 'int'>
b = demo2(100)
print(type(b)) # <class 'generator'>
生成器函数和普通函数在执行流程上是有点区别的。对于普通函数，按顺序执行时遇到 return 或最后一行函数语句就会返回；对于有 yield的生成器函数，每次调用 next() 方法遇到 yield 语句才返回，如果再次调用 next() 方法，那么就会从上次返回的 yield 语句位置继续执行，请看下面的例子：
def demo3():
print("aaa")
yield 1
print("bbb")
yield 2
print("ccc")
yield 3
g = demo3()
next(g) # 输出：aaa
next(g) # 输出：bbb
next(g) # 输出：ccc
next(g) # 没有下一个值了，报错：StopIteration
生成器是一个特殊的迭代器，它使用起来更简单，代码更简洁。我们可以用生成器去实现斐波那契数列：
def fib(n):
pre, cur = 0, 1
while n > 0:
yield cur
pre, cur = cur, pre + cur
n -= 1
f = fib(11)
for i in f:
print(i, end=" ") # 输出：1 1 2 3 5 8 13 21 34 55 89
最后，生成器还可以用于处理海量数据的场景，比如读取大文件时，如果直接一次性读取可能会导致内存溢出，这个时候我们就可以借助 yield 生成器来灵活控制读取，防止内存占用过大。
