一篇文章徹底搞懂Python中可迭代(Iterable)、迭代器(Iterator)與生成器(Generator)的概念

前言

在Python中可迭代(Iterable)、迭代器(Iterator)和生成器(Generator)這幾個概念是經(jīng)常用到的，初學時對這幾個概念也是經(jīng)常混淆，現(xiàn)在是時候把這幾個概念搞清楚了。

0x00 可迭代(Iterable)

簡單的說，一個對象(在Python里面一切都是對象)只要實現(xiàn)了只要實現(xiàn)了__iter__()方法，那么用isinstance()函數(shù)檢查就是Iterable對象；

例如

class IterObj:
 
 def __iter__(self):
  # 這里簡單地返回自身
  # 但實際情況可能不會這么寫
  # 而是通過內(nèi)置的可迭代對象來實現(xiàn)
  # 下文的列子中將會展示
  return self 

上面定義了一個類IterObj并實現(xiàn)了__iter__()方法，這個就是一個可迭代(Iterable)對象

 it = IterObj()
 print(isinstance(it, Iterable)) # true
 print(isinstance(it, Iterator)) # false
 print(isinstance(it, Generator)) # false

記住這個類，下文我們還會看到這個類的定義。

常見的可迭代對象

在Python中有哪些常見的可迭代對象呢？

• 集合或序列類型（如list、tuple、set、dict、str）
• 文件對象
• 在類中定義了__iter__()方法的對象，可以被認為是 Iterable對象，但自定義的可迭代對象要能在for循環(huán)中正確使用，就需要保證__iter__()實現(xiàn)必須是正確的（即可以通過內(nèi)置iter()函數(shù)轉(zhuǎn)成Iterator對象。關(guān)于Iterator下文還會說明，這里留下一個坑，只是記住iter()函數(shù)是能夠?qū)⒁粋€可迭代對象轉(zhuǎn)成迭代器對象，然后在for中使用）
• 在類中實現(xiàn)了如果只實現(xiàn)__getitem__()的對象可以通過iter()函數(shù)轉(zhuǎn)化成迭代器但其本身不是可迭代對象。所以當一個對象能夠在for循環(huán)中運行，但不一定是Iterable對象。

關(guān)于第1、2點我們可以通過以下來驗證

 print(isinstance([], Iterable)) # true list 是可迭代的
 print(isinstance({}, Iterable)) # true 字典是可迭代的
 print(isinstance((), Iterable)) # true 元組是可迭代的
 print(isinstance(set(), Iterable)) # true set是可迭代的
 print(isinstance('', Iterable)) # true 字符串是可迭代的
 
 currPath = os.path.dirname(os.path.abspath(__file__))
 with open(currPath+'/model.py') as file:
  print(isinstance(file, Iterable)) # true

我們再來看第3點，

 print(hasattr([], "__iter__")) # true
 print(hasattr({}, "__iter__")) # true
 print(hasattr((), "__iter__")) # true
 print(hasattr('', "__iter__")) # true

這些內(nèi)置集合或序列對象都有__iter__屬性，即他們都實現(xiàn)了同名方法。但這個可迭代對象要在for循環(huán)中被使用，那么它就應(yīng)該能夠被內(nèi)置的iter()函數(shù)調(diào)用并轉(zhuǎn)化成Iterator對象。

例如，我們看內(nèi)置的可迭代對象

 print(iter([])) # <list_iterator object at 0x110243f28>
 print(iter({})) # <dict_keyiterator object at 0x110234408>
 print(iter(())) # <tuple_iterator object at 0x110243f28>
 print(iter('')) # <str_iterator object at 0x110243f28>

它們都相應(yīng)的轉(zhuǎn)成了對應(yīng)的迭代器(Iterator)對象。

現(xiàn)在回過頭再看看一開始定義的那個IterObj類

class IterObj:
 
 def __iter__(self):
  return self 
  
it = IterObj()
print(iter(it))

我們使用了iter()函數(shù)，這時候?qū)⒃倏刂婆_上打印出以下信息：

Traceback (most recent call last):
  File "/Users/mac/PycharmProjects/iterable_iterator_generator.py", line 71, in <module>
    print(iter(it))
TypeError: iter() returned non-iterator of type 'IterObj'

出現(xiàn)了類型錯誤，意思是iter()函數(shù)不能將‘非迭代器'類型轉(zhuǎn)成迭代器。

那如何才能將一個可迭代(Iterable)對象轉(zhuǎn)成迭代器(Iterator)對象呢？

我們修改一下IterObj類的定義

class IterObj:

 def __init__(self):
  self.a = [3, 5, 7, 11, 13, 17, 19]

 def __iter__(self):
  return iter(self.a)

我們在構(gòu)造方法中定義了一個名為a的列表，然后還實現(xiàn)了__iter__()方法。

修改后的類是可以被iter()函數(shù)調(diào)用的，即也可以在for循環(huán)中使用

 it = IterObj()
 print(isinstance(it, Iterable)) # true
 print(isinstance(it, Iterator)) # false
 print(isinstance(it, Generator)) # false
 print(iter(it)) # <list_iterator object at 0x102007278>
 for i in it:
  print(i) # 將打印3、5、7、11、13、17、19元素

因此在定義一個可迭代對象時，我們要非常注意__iter__()方法的內(nèi)部實現(xiàn)邏輯，一般情況下，是通過一些已知的可迭代對象（例如，上文提到的集合、序列、文件等或其他正確定義的可迭代對象）來輔助我們來實現(xiàn)

關(guān)于第4點說明的意思是iter()函數(shù)可以將一個實現(xiàn)了__getitem__()方法的對象轉(zhuǎn)成迭代器對象，也可以在for循環(huán)中使用，但是如果用isinstance()方法來檢測時，它不是一個可迭代對象。

class IterObj:
 
 def __init__(self):
  self.a = [3, 5, 7, 11, 13, 17, 19]
 
 def __getitem__(self, i):
  return self.a[i]
  
it = IterObj()
print(isinstance(it, Iterable)) # false
print(isinstance(it, Iterator)) # false
print(isinstance(it, Generator)) false
print(hasattr(it, "__iter__")) # false
print(iter(it)) # <iterator object at 0x10b231278>

for i in it:
 print(i) # 將打印出3、5、7、11、13、17、19

這個例子說明了可以在for中使用的對象，不一定是可迭代對象。

現(xiàn)在我們做個小結(jié)：

• 一個可迭代的對象是實現(xiàn)了__iter__()方法的對象
• 它要在for循環(huán)中使用，就必須滿足iter()的調(diào)用(即調(diào)用這個函數(shù)不會出錯，能夠正確轉(zhuǎn)成一個Iterator對象)
• 可以通過已知的可迭代對象來輔助實現(xiàn)我們自定義的可迭代對象。
• 一個對象實現(xiàn)了__getitem__()方法可以通過iter()函數(shù)轉(zhuǎn)成Iterator，即可以在for循環(huán)中使用，但它不是一個可迭代對象(可用isinstance方法檢測())

0x01 迭代器(Iterator)

上文很多地方都提到了Iterator,現(xiàn)在我們把這個坑填上。

當我們對可迭代的概念了解后，對于迭代器就比較好理解了。

一個對象實現(xiàn)了__iter__()和__next__()方法，那么它就是一個迭代器對象。 例如

class IterObj:

 def __init__(self):
  self.a = [3, 5, 7, 11, 13, 17, 19]

  self.n = len(self.a)
  self.i = 0

 def __iter__(self):
  return iter(self.a)

 def __next__(self):
  while self.i < self.n:
   v = self.a[self.i]
   self.i += 1
   return v
  else:
   self.i = 0
   raise StopIteration()

在IterObj中，構(gòu)造函數(shù)中定義了一個列表a,列表長度n,索引i。

 it = IterObj()
 print(isinstance(it, Iterable)) # true
 print(isinstance(it, Iterator)) # true
 print(isinstance(it, Generator)) # false
 print(hasattr(it, "__iter__")) # true
 print(hasattr(it, "__next__")) # true

我們可以發(fā)現(xiàn)上文提到的

集合和序列對象是可迭代的但不是迭代器

 print(isinstance([], Iterator)) # false
 print(isinstance({}, Iterator)) # false
 print(isinstance((), Iterator)) # false
 print(isinstance(set(), Iterator)) # false
 print(isinstance('', Iterator)) # false

而文件對象是迭代器

 currPath = os.path.dirname(os.path.abspath(__file__))
 with open(currPath+'/model.py') as file:
  print(isinstance(file, Iterator)) # true

一個迭代器(Iterator)對象不僅可以在for循環(huán)中使用，還可以通過內(nèi)置函數(shù)next()函數(shù)進行調(diào)用。 例如

it = IterObj()
next(it) # 3
next(it) # 5

0x02 生成器(Generator)

現(xiàn)在我們來看看什么是生成器？

一個生成器既是可迭代的也是迭代器

定義生成器有兩種方式：

• 列表生成器
• 使用yield定義生成器函數(shù)

先看第1種情況

 g = (x * 2 for x in range(10)) # 0～18的偶數(shù)生成器 
 print(isinstance(g, Iterable)) # true
 print(isinstance(g, Iterator)) # true
 print(isinstance(g, Generator)) # true
 print(hasattr(g, "__iter__")) # true
 print(hasattr(g, "__next__")) # true
 print(next(g)) # 0
 print(next(g)) # 2

列表生成器可以不需要消耗大量的內(nèi)存來生成一個巨大的列表，只有在需要數(shù)據(jù)的時候才會進行計算。

再看第2種情況

def gen():
 for i in range(10):
  yield i 

這里yield的作用就相當于return,這個函數(shù)就是順序地返回[0,10)的之間的自然數(shù)，可以通過next()或使用for循環(huán)來遍歷。

當程序遇到y(tǒng)ield關(guān)鍵字時，這個生成器函數(shù)就返回了，直到再次執(zhí)行了next()函數(shù)，它就會從上次函數(shù)返回的執(zhí)行點繼續(xù)執(zhí)行，即yield退出時保存了函數(shù)執(zhí)行的位置、變量等信息，再次執(zhí)行時，就從這個yield退出的地方繼續(xù)往下執(zhí)行。

在Python中利用生成器的這些特點可以實現(xiàn)協(xié)程。協(xié)程可以理解為一個輕量級的線程，它相對于線程處理高并發(fā)場景有很多優(yōu)勢。

看下面一個用協(xié)程實現(xiàn)的生產(chǎn)者-消費者模型

def producer(c):
 n = 0
 while n < 5:
  n += 1
  print('producer {}'.format(n))
  r = c.send(n)
  print('consumer return {}'.format(r))


def consumer():
 r = ''
 while True:
  n = yield r
  if not n:
   return
  print('consumer {} '.format(n))
  r = 'ok'


if __name__ == '__main__':
 c = consumer()
 next(c) # 啟動consumer
 producer(c)

這段代碼執(zhí)行效果如下

producer 1
consumer 1
producer return ok
producer 2
consumer 2
producer return ok
producer 3
consumer 3
producer return ok

協(xié)程實現(xiàn)了CPU在兩個函數(shù)之間進行切換從而實現(xiàn)并發(fā)的效果。

0x04 引用

docs.python.org/3.7/

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對億速云的支持。