博主github：https://github.com/MichaelBeechan
博主CSDN：https://blog.csdn.net/u011344545

在使用Python的過程中，很容易混淆如下幾個關聯的概念：

1.容器(container)

2.可迭代對象(Iterable)

3.迭代器(Iterator)

4.生成器(generator)

5.生成器表達式

6.{list, set, dict} 解析式

它們之間的關系如下表所示：

?

容器（container)

容器是用來儲存元素的一種數據結構，它支持隸屬測試，容器將所有數據保存在內存中，在Python中典型的容器有：

list， deque, …

set，frozesets，…

dict, defaultdict, OrderedDict, Counter, …

tuple, namedtuple, …

str

容器相對來說很好理解，因為你可以把它當成生活中的箱子、房子、船等等。
一般的，通過判斷一個對象是否包含某個元素來確定它是否為一個容器。例如：

字典容器通過檢查是否包含鍵來進行判斷：

字符串通過檢查是否包含某個子 串來判斷：

注意：并非所有的容器都是可迭代對象。

可迭代對象

正如前面所提到的，大部分容器都是可迭代的，但是還有其他一些對象也可以迭代，例如，文件對象以及管道對象等等，容器一般來說存儲的元素是有限的，同樣的，可迭代對象也可以用來表示一個包含有限元素的數據結構。

可迭代對象可以為任意對象，不一定非得是基本數據結構，只要這個對象可以返回一個iterator。聽起來可能有點費解，但是可迭代對象與迭代器之間有一個顯著的區別。先看下面的例子

注意：可迭代的類中，一般實現以下兩個方法，__iter__()以及__next()__方法，__iter__()方法返回self。

當我們運行以下代碼的時候:

1 2 3

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

實際調用過程如下：

?

當我們反向編譯這段代Python碼的時候，可以發現它顯示調用了?GET_ITER，本質上跟調用iter(x)一樣，而FOR_ITER指令相等于調用next()方法來獲取每個元素。

>>> import dis

>>> x = [1,2,3]

>>> dis.dis('for _ in x: pass')

??1 ??????????0 SETUP_LOOP ?????????????12 (to 14)

??????????????2 LOAD_NAME ???????????????0 (x)

??????????????4 GET_ITER

????????>> ???6 FOR_ITER ????????????????4 (to 12)

??????????????8 STORE_NAME ??????????????1 (_)

?????????????10 JUMP_ABSOLUTE ???????????6

????????>> ??12 POP_BLOCK

????????>> ??14 LOAD_CONST ??????????????0 (None)

?????????????16 RETURN_VALUE

迭代器(Iterators)

那么什么是迭代器呢？任何具有__next__()方法的對象都是迭代器，對迭代器調用next()方法可以獲取下一個值。而至于它使如何產生這個值的，跟它能否成為一個迭代器并沒有關系。所以迭代器本質上是一個產生值的工廠，每次向迭代器請求下一個值，迭代器都會進行計算出相應的值并返回。

迭代器的例子很多，例如，所有itertools模塊中的函數都會返回一個迭代器，有的還可以產生無窮的序列。

有的函數根據有限序列中生成無限序列：

2 3 4 5 6 7 8 9 10

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

有的函數根據無限序列中生成有限序列：

>>> from itertools import islice

>>> colors = cycle(['red', 'white', 'blue'])???? # infinite

>>> limited=islice(colors,0, 4)????????? ??# finite

>>> for x in limited:????????????????# so safe to use for-loop on

...????????????print(x)

red

white

blue

Red

為了更好的理解迭代器的內部結構，我們先來定義一個生成斐波拉契數的迭代器：

>>> 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]

注意這個類既是可迭代的 （因為具有__iter__()方法），也是它自身的迭代器(因為具有__next__()方法)。

迭代器內部狀態保存在當前實例對象的prev以及cur屬性中，在下一次調用中將使用這兩個屬性。每次調用next()方法都會執行以下兩步操作：

修改狀態，以便下次調用next()方法

計算當前調用的結果

比喻：從外部來看，迭代器就像政府工作人員一樣，沒人找他辦事的時候（請求值），工作人員就閑著，當有人來找他的時候（請求值），工作人員就會忙一會，把請求的東西找出來交給請求的人。忙完之后，又沒事了，繼續閑著。

生成器

生成器其實就是一種特殊的迭代器。它shi一種更為高級、更為優雅的迭代器。
使用生成器讓我們可以以一種更加簡潔的語法來定義迭代器。
讓我們先明確以下兩點：

任意生成器都是迭代器（反過來不成立）

任意生成器，都是一個可以延遲創建值的工廠

下面也是一個生成斐波那契序列的工廠函數，不過是以生成器的方式編寫的：

生成器的類型

在Python中兩種類型的生成器：生成器函數以及生成器表達式。生成器函數就是包含yield參數的函數。生成器表達式與列表解析式類似。

?

?

?

總結

以上是生活随笔為你收集整理的Python练习 | Python 可迭代对象 迭代器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。