Python中迭代器的示例分析-创新互联

这篇文章主要介绍了Python中迭代器的示例分析，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

创新互联公司成立与2013年，先为红桥等服务建站，红桥等地企业，进行企业商务咨询服务。为红桥企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

先贴上一张Iterable、Iterator与Generator之间的关系图：

 

1. Iterator VS Iterable

迭代器(Iterator)

迭代器是实现了迭代器协议的类对象，迭代器协议规定了迭代器类必需定义__next()__方法。当对迭代器对象调用next()方法时，对象会去调用__next()__计算迭代器的返回值。

可迭代对象(Iterable)

可迭代对象可以是任何对象，不一定是能返回迭代器的数据结构。一个可迭代对象会直接或间接性的调用这两个方法__iter()__和__next()__；其中__iter()__方法只能返回迭代器对象，__next()__则供给迭代器进行调用。

通常情况下，可迭代类都会实现__iter()__和__next()__,并且__iter()__返回它自己，换句话说，该类即是迭代器又是可迭代类。

下面的代码展示了迭代器和可迭代器对象之间的差别：

a_set = {1, 2, 3}#定义set数据类型，set是可迭代类型
b_iterator = iter(a_set)#得到set的迭代器
#Output: 1
print(next(b_iterator))
#Output: <class 'set'>
print(type(a_set))
#Output: <class 'set_iterator'>
print(type(b_iterator))

从结果可以看出a_set是一个可迭代类型（set类型）,b_iterator是一个迭代器（set_iterator），它们两个是完全不一同的类型。

下面的自定义了一个迭代器：

class Series(object):
 def __init__(self, low, high):
  self.current = low
  self.high = high
 def __iter__(self):
  return self
 def __next__(self):
  if self.current > self.high:
   raise StopIteration
  else:
   self.current += 1
   return self.current - 1
n_list = Series(1,10) 
print(list(n_list))

从上面的代码可以看出，__iter__返回了迭代器本身。__next__返回迭代器的下一个值，如果没有下一个返回值那么会抛出StopIteration异常。如果没有在合适的位置抛出StopIteration异常结束迭代，那么在某些循环语句中（例如：for loop），将会形成死循环，所以在__next__中必需要在合适位置添加退出语句（抛出StopIterator异常）。

2.Itertools 模块

Itertools是Python的内置模块，其中包含了能够创建迭代器的函数。简而言之，它提供了许多能够与迭代器交互的方法。

下面是我们使用Itertools模块中count函数的案例：

from itertools import count
sequence = count(start=0, step=1)
while(next(sequence) <= 10):
 print(next(sequence),end=" ")

输出：

Itertools中的cycle函数可以创建无限迭代器，例如：

from itertools import cycle
dessert = cycle(['Icecream','Cake'])
count = 0
while(count != 4):
 print('Q. What do we have for dessert? A: ' + next(dessert))
 count+=1

输出：

Q. What do we have for dessert? A: Icecream
Q. What do we have for dessert? A: Cake
Q. What do we have for dessert? A: Icecream
Q. What do we have for dessert? A: Cake

关于更多itertools模块的使用， 可以参见python文档 。

3.生成器（Generator）

生成器可以说是迭代器的亲兄弟，生成器允许我们像上面那样写迭代器而不用额外定义__iter__()和__next__()方法。

看下面的案例：

def series_generator(low, high):
 while low <= high:
  yield low
  low += 1
n_list = []
for num in series_generator(1,10):
 n_list.append(num)
print(n_list)

如果一个方法中出现了yield关键字，那么该方法就是一个生成器。生成器中没有return语句，函数的返回值实际上是一个generator。当循环开始执行到yield语句后，low的值会被扩展到要返回的generator中。当下一次循环到达yield语句时，generator会从上一次停止的地方恢复执行，并且将最新的low值添加到generator中。循环一直运行下去，直到low>high退出循环。

生成器支持延迟计算，只有当去取生成器中的值时才会计算。

例如：

def test():
 print("进入test函数")
 for i in range(2):
  print("yield number ",i)
  yield i
if "__main__" == __name__:
 print("开始调用test")
 res = test()
 print("结束调用test")
 next(res)
 next(res)

输出：

开始调用test
结束调用test
第一次next(res)
进入test函数
yield number 0
第二次next(res)
yield number  1

从结果可以看出，只有使用next调用迭代器时（使用for,while循环也可以），才会去执行迭代器函数中的内容。

python中生成器可以分为生成器函数和生成器表达式，生成器函数和生成器表达式是两种不同的类型。

生成器函数是一个函数体中有yield关键字的，我们上面定义的test就是生成器函数。

生成器表达式的使用比较受限制，一个生成器表达式返回一个生成器。下面是一个使用生成器表达式的案例：

squares = (x * x for x in range(1,10))
print(type(squares))
print(list(squares))

输出：

<class 'generator'>
[1, 4, 9, 16, 25, 36, 49, 64, 81]

生成器的效率是非常高的，生成器可以更好的利用内存和CPU的使用效率，并且通常生成器的代码都比较少，这使用生成器的代码非常好容易理解。应此应该尽量多的在代码中使用生成器。

感谢你能够认真阅读完这篇文章，希望小编分享的“Python中迭代器的示例分析”这篇文章对大家有帮助，同时也希望大家多多支持创新互联成都网站设计公司，关注创新互联成都网站设计公司行业资讯频道，更多相关知识等着你来学习!

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、网站设计器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

当前标题：Python中迭代器的示例分析-创新互联
链接URL：/article46/cdjphg.html

成都网站建设公司_创新互联，为您提供关键词优化、搜索引擎优化、网站维护、品牌网站设计、做网站、App设计

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联