1.iterable iterator區(qū)別

要了解兩者區(qū)別，先要了解一下迭代器協(xié)議：
迭代器協(xié)議是指：對(duì)象需要提供__next__()方法，它返回迭代中的元素，在沒有更多元素后，拋出StopIteration異常，終止迭代。
可迭代對(duì)象就是：實(shí)現(xiàn)了迭代器協(xié)議的對(duì)象。
協(xié)議是一種約定，可迭代對(duì)象實(shí)現(xiàn)迭代器協(xié)議，Python的內(nèi)置工具(如for循環(huán)，sum，min，max函數(shù)等)通過迭代器協(xié)議訪問對(duì)象,因此，for循環(huán)并不需要知道對(duì)象具體是什么，只需要知道對(duì)象能夠?qū)崿F(xiàn)迭代器協(xié)議即可。
迭代器(iterator)與可迭代對(duì)象(iterable)并不是同一個(gè)概念。

直觀上：

1.可迭代對(duì)象(iterable):凡是具有__iter__的方法的類，都是可迭代的類。可迭代類創(chuàng)建的對(duì)象實(shí)現(xiàn)了__iter__方法，因此就是可迭代對(duì)象。用list、tuple等容器創(chuàng)建的對(duì)象，都是可迭代對(duì)象。可迭代對(duì)象通過__iter__方法返回一個(gè)迭代器，然后在內(nèi)部調(diào)用__next__方法進(jìn)行迭代，最后沒有元素時(shí)，拋出異常(這個(gè)異常python自己會(huì)處理，不會(huì)讓開發(fā)者看見)。

2.迭代器(iterator):迭代器對(duì)象必須同時(shí)實(shí)現(xiàn)__iter__和__next__方法才是迭代器。對(duì)于迭代器來說，__iter__ 返回的是它自身 self，__next__ 則是返回迭代器中的下一個(gè)值,最后沒有元素時(shí)，拋出異常(異?？梢员婚_發(fā)者看到)。

從上面2點(diǎn)可以看出：

1.迭代器一定是可迭代對(duì)象，因?yàn)樗鼘?shí)現(xiàn)了__iter__()方法；

2.通過iter()方法(在類的內(nèi)部就是__iter__)能夠使一個(gè)可迭代對(duì)象返回一個(gè)迭代器。

3.迭代器的 __iter__ 方法返回的是自身，并不產(chǎn)生新的迭代器對(duì)象。而可迭代對(duì)象的 __iter__ 方法通常會(huì)返回一個(gè)新的迭代器對(duì)象。

第3點(diǎn)性質(zhì)正是可迭代對(duì)象可以重復(fù)遍歷的原因(每次返回一個(gè)獨(dú)立的迭代器，就可以保證不同的迭代過程不會(huì)互相影響)；而迭代器由于返回自身，因此只能遍歷一次。

上面3點(diǎn)可以通過下面的例子看出來：

from collections import Iterable
from collections import Iterator
print isinstance(iter([1,2]),Iterator)
print isinstance(iter([1,2]),Iterable)
print isinstance([1,2],Iterator)
print isinstance([1,2],Iterable)
##result
True
True
False
True
##id可以查看一個(gè)對(duì)象在內(nèi)存中的地址
test=[1,2,3]
testIter=iter(test)
print id(testIter)
print id(testIter)
print id(iter(test))
print id(iter(test))
print id(test.__iter__())
print id(test.__iter__())
##result:可迭代對(duì)象每次調(diào)用iter方法都會(huì)返回一個(gè)新的迭代器對(duì)象，而迭代器對(duì)象調(diào)用iter方法返回自身
67162576 
67162576 
67162688 
67162632 
67162856 
67163024

2.iterable的工作機(jī)制

拿一個(gè)例子看看，首先定義一個(gè)有__iter__方法,但是沒有next()方法的類 (PS：在python2中是next()，python3是__next__())：

from collections import Iterable, Iterator
class Student(object):
 def __init__(self,score):
 self.score=score
 def __iter__(self):
 return iter(self.score)
 
test= Student([80,90,95])
print isinstance(test, Iterable)
print isinstance(test, Iterator)
for i in test:
 print i
##result
True
False
80
90
95
##可重復(fù)遍歷
for i in test:
 print i
##result
80
90
95

上面代碼的結(jié)果印證了定義中提到的：

缺少了next()方法，可迭代對(duì)象就不是迭代器。

此外，注意到：可迭代對(duì)象通過__iter__方法每次都返回了一個(gè)獨(dú)立的迭代器，這樣就可以保證不同的迭代過程不會(huì)互相影響。

也就是說，通過iterable可以實(shí)現(xiàn)重復(fù)遍歷，而迭代器是無法重復(fù)遍歷的！

因此，如果想要把可迭代對(duì)象轉(zhuǎn)變?yōu)榈?，可以先調(diào)用iter()方法返回一個(gè)迭代器。然后就可以用next()不斷迭代了！

print isinstance(iter(test),Iterator)
testIter=iter(test)
print testIter.next()
print testIter.next()
print testIter.next()
##result
True
80
90
95
##一旦取完了可迭代對(duì)象中所有的元素，再次調(diào)用next就會(huì)發(fā)生異常
print testIter.next()
##result
StopIteration: 

3.迭代器Iterator的工作機(jī)制

看下面這個(gè)例子：

class Student(object):
 def __init__(self,score):
 self.score=score
 def __iter__(self):
 return self
 
 def next(self):
 if self.score<100:
 self.score+=1
 return self.score
 else:
 raise StopIteration()
 
test= Student(90)
print isinstance(test, Iterable)
print isinstance(test, Iterator)
print test.next()
print test.next()
print test.next()
for i in test:
 print i
##result
True
True
91
92
93
94
95
96
97
98
99
100
##如果此時(shí)再對(duì)test這個(gè)迭代器調(diào)用next方法，就會(huì)拋出異常
test.next()
##result
StopIteration: 

這個(gè)例子印證了定義中的：迭代器對(duì)象必須同時(shí)實(shí)現(xiàn)__iter__和__next__方法才是迭代器。

那么，使用迭代器好處在哪呢?

Python的Iterator對(duì)象表示的是一個(gè)數(shù)據(jù)流，Iterator對(duì)象可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)數(shù)據(jù)，直到?jīng)]有數(shù)據(jù)時(shí)拋出StopIteration錯(cuò)誤?？梢园堰@個(gè)數(shù)據(jù)流看做是一個(gè)有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數(shù)實(shí)現(xiàn)按需計(jì)算下一個(gè)數(shù)據(jù)，所以Iterator的計(jì)算是惰性的，只有在需要返回下一個(gè)數(shù)據(jù)時(shí)它才會(huì)計(jì)算。

一個(gè)很常見的應(yīng)用就是：Python在處理列表的時(shí)候，是直接把整個(gè)列表讀進(jìn)內(nèi)存的，當(dāng)遇到大量樣本時(shí)的時(shí)候會(huì)變得很慢。而迭代器的優(yōu)勢(shì)在于只把需要的元素讀進(jìn)內(nèi)存，因此占用內(nèi)存更少。

換句話說，迭代器是一種惰性求值模式，它是有狀態(tài)的，只有在調(diào)用時(shí)才返回值，沒有調(diào)用的時(shí)候就等待下一次調(diào)用。這樣就節(jié)省了大量內(nèi)存空間。

這個(gè)例子印證了定義中的：迭代器對(duì)象必須同時(shí)實(shí)現(xiàn)__iter__和__next__方法才是迭代器。

那么，使用迭代器好處在哪呢?

Python的Iterator對(duì)象表示的是一個(gè)數(shù)據(jù)流，Iterator對(duì)象可以被next()函數(shù)調(diào)用并不斷返回下一個(gè)數(shù)據(jù)，直到?jīng)]有數(shù)據(jù)時(shí)拋出StopIteration錯(cuò)誤?？梢园堰@個(gè)數(shù)據(jù)流看做是一個(gè)有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數(shù)實(shí)現(xiàn)按需計(jì)算下一個(gè)數(shù)據(jù)，所以Iterator的計(jì)算是惰性的，只有在需要返回下一個(gè)數(shù)據(jù)時(shí)它才會(huì)計(jì)算。

一個(gè)很常見的應(yīng)用就是：Python在處理列表的時(shí)候，是直接把整個(gè)列表讀進(jìn)內(nèi)存的，當(dāng)遇到大量樣本時(shí)的時(shí)候會(huì)變得很慢。而迭代器的優(yōu)勢(shì)在于只把需要的元素讀進(jìn)內(nèi)存，因此占用內(nèi)存更少。

換句話說，迭代器是一種惰性求值模式，它是有狀態(tài)的，只有在調(diào)用時(shí)才返回值，沒有調(diào)用的時(shí)候就等待下一次調(diào)用。這樣就節(jié)省了大量內(nèi)存空間。

4.for循環(huán)的工作機(jī)制

有了上面2個(gè)例子，就可以總結(jié)一下在可迭代對(duì)象與迭代器中的For循環(huán)工作機(jī)制了。

當(dāng)對(duì)象本身就是迭代器時(shí)，F(xiàn)or循環(huán)工作機(jī)制：

1. 調(diào)用 __iter__方法，返回自身self,也就是返回迭代器。
2. 不斷地調(diào)用迭代器的next()方法，每次按序返回迭代器中的一個(gè)值。
3. 迭代到最后沒有元素時(shí)，就拋出異常 StopIteration

在可迭代對(duì)象中，for循環(huán)工作機(jī)制：

1. 先判斷對(duì)象是否為可迭代對(duì)象(等價(jià)于判斷有沒有__iter__或__getitem__方法)，沒有的話直接報(bào)錯(cuò)，拋出TypeError異常。有的話，調(diào)用 __iter__方法，返回一個(gè)迭代器。
2. 在python內(nèi)部不斷地調(diào)用迭代器的__next__方法，每次按序返回迭代器中的一個(gè)值。
3. 迭代到最后沒有元素時(shí)，就拋出異常 StopIteration，這個(gè)異常 python 自己會(huì)處理，不會(huì)暴露給開發(fā)者。

借用網(wǎng)絡(luò)上的一張圖直觀理解一下：

此外，還要注意，python中的for循環(huán)其實(shí)兼容了兩種機(jī)制：

1. 如果對(duì)象有__iter__會(huì)返回一個(gè)迭代器。
2. 如果對(duì)象沒有__iter__，但是實(shí)現(xiàn)了__getitem__，會(huì)改用下標(biāo)迭代的方式。
3. __getitem__可以幫助一個(gè)對(duì)象進(jìn)行取數(shù)和切片操作。

當(dāng)for發(fā)現(xiàn)沒有__iter__但是有__getitem__的時(shí)候，會(huì)從0開始依次讀取相應(yīng)的下標(biāo)，直到發(fā)生IndexError為止，這是一種舊的迭代協(xié)議。iter方法也會(huì)處理這種情況，在不存在__iter__的時(shí)候，返回一個(gè)下標(biāo)迭代的iterator對(duì)象來代替。一個(gè)重要的例子是str，字符串就是沒有__iter__方法的，但是卻依然可以迭代，原因就是其在for循環(huán)時(shí)調(diào)用了__getitem__方法。

看一個(gè)例子：

from collections import Iterable, Iterator
class Student(object):
 def __init__(self,score):
 self.score=score
 def __getitem__(self,n):
 return self.score[n]
 
test= Student([80,90,95])
print isinstance(test, Iterable)
print isinstance(test, Iterator)
print isinstance(iter(test), Iterable)
print isinstance(iter(test), Iterator)
for i in test:
 print i
##result
False
False
True
True
80
90
95
for i in range(0,3):
 print test[i]
##result
80
90
95
for i in iter(test):
 print i
##result
80
90
95

可以看到，實(shí)現(xiàn)了__getitem__方法的對(duì)象本身，盡管不是iterable與iterator，仍舊是可以調(diào)用for循環(huán)的。
通過iter方法，返回一個(gè)下標(biāo)迭代的iterator對(duì)象。

5.generator的原理

最后說一下生成器，生成器是一種特殊的迭代器，當(dāng)然也是可迭代對(duì)象。
對(duì)于生成器，Python會(huì)自動(dòng)實(shí)現(xiàn)迭代器協(xié)議，以便應(yīng)用到迭代中（如for循環(huán)，sum函數(shù)）。由于生成器自動(dòng)實(shí)現(xiàn)了迭代器協(xié)議，所以，我們可以調(diào)用它的next方法，并且，在沒有值可以返回的時(shí)候，生成器自動(dòng)產(chǎn)生StopIteration異常。
創(chuàng)建生成器的方法：將return 改為yield。具體的實(shí)現(xiàn)網(wǎng)絡(luò)上教程很多，不細(xì)說了。

6.總結(jié)

到一幅圖片很好的描述了本文的所有內(nèi)容，就拿它作為文末的總結(jié)吧！

以上所述是小編給大家介紹的Python中的可迭代對(duì)象、迭代器、For循環(huán)工作機(jī)制、生成器詳解整合，希望對(duì)大家有所幫助，如果大家有任何疑問請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！

最新評(píng)論