生成器与迭代器

一、生成器 (generator)

       通过列表生成式，我们可以直接创建一个列表，但列表在内存中受到容量的限制，比如我们创建一个100万个元素的列表，占用很大的存储空间；如果我们仅仅需要访问前面几个元素，后面的元素占用的空间就白白浪费了。

如果列表元素可以按照某种算法推算出来，按照这种算法在循环过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间，python中这种一边循环一边计算的机制，就称为生成器（generator）

例：

g = ( i for i in range(10) )
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())

生成器特性：

1. 只有在调用时才会生成相应的数据
2. 通过next方法调用。 #2.x中next的使用方法为next()
3. 生成器（generator）保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

生成器定义的方法：

1. 只要把一个列表生成式的[]改成()，就创建了一个generator
2. 如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator

 通常基本不会使用next方法来调用，而是通过for循环来来迭代。

g = ( i for i in range(10) )
for gen in g:
    print(gen)

　

二、迭代器

可以直接作用于for循环的数据类型有：

1. 集合数据类型，如list、tuple、dict、set、str等
2. generator，包括生成器和带yield的generator function这些可以直接作用于for循环的对象统称为可迭代对象（Iterable），也可以理解为可循环对象。可以使用内置函数isinstance()判断一个对视是否是可迭代对象：

例：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

 

迭代器的定义：

     **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）。

同样以使用内置函数isinstance()判断一个对视是否是迭代对象

例：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('string', Iterator)
False

生成器都是迭代器对象，但list、dict、str虽然是可迭代对象，却不是迭代器

 

小结：

• 凡是可作用于for循环的对象都是可迭代对象（Iterable）；
• 凡是可作用于next（）函数的对象都是迭代器（Iterator）类型，他们表示一个惰性的计算序列；
• 集合类型如list、dict、str等虽然是Iterable但不是Iterator ； 但可以通过Iter（）函数获得一个Iterator对象。

**python的for循环本质上就是通过不断调用next（）函数实现的。

如：

for x in [1,2,3,4,5]:
    pass
实际完全等价于：
it = iter([1,2,3,4,5])
while True:
    try:	# 获得下一个值:
        x = next(it)
    except StopIteration: # 遇到StopIteration就退出循环
        break