彻底理解 Python 迭代器与生成器1.为什么要有迭代器？2.迭代器的工作原理3.生成器的工作原理

74 阅读 0 评论 49 点赞

我是靠谱客的博主天真云朵，最近开发中收集的这篇文章主要介绍彻底理解 Python 迭代器与生成器1.为什么要有迭代器？2.迭代器的工作原理3.生成器的工作原理，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

1.为什么要有迭代器？

列表所有数据都在内存中，如果有海量数据的话将会非常耗内存。

仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

那怎么做到只访问一两个元素，而不加载全部元素呢？迭代器可以做到。

例1（感受一下迭代器的作用）


t = [x * x for x in range(10)]
L = []
count = 0

g = iter(t)

while len(L) <= 10 :
    try:
        item = next(g)
        count += 1
        print(f'调用next()第{count}次获得的值为：{item}')
        L.append(item)
    except StopIteration:
        print('n迭代完成n')
        break

print(L,'n')

调用next()第1次获得的值为：0
调用next()第2次获得的值为：1
调用next()第3次获得的值为：4
调用next()第4次获得的值为：9
调用next()第5次获得的值为：16
调用next()第6次获得的值为：25
调用next()第7次获得的值为：36
调用next()第8次获得的值为：49
调用next()第9次获得的值为：64
调用next()第10次获得的值为：81

迭代完成

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

对于上面的列表 t ，往往每次只需要处理其中的一个元素。

如果不进行迭代处理，每次处理就需要把整个列表计算出来并加载到内存中来，而每次仅处理一个元素，这样是非常消耗内存。

况且这里的列表 t 还很小，假设这个列表变得有有成千上万上亿的元素，每次加载到内存，会占很大的内存空间，但是每次还是只处理一个元素，这样的内存消耗是非常巨大的

而进行了迭代处理，我并不需要每次都把整个列表 t 计算并加载出来，我只需要每次需要元素的时候，再计算那个元素，比如我需要第一个元素，计算出来加载到内存中，其他的元素则无需管。——每次只加载一个元素到内存，内存消耗会小很多。

总之：迭代器在循环处理大量数据的时候，能够减少非常多不必要的内存消耗。

2.迭代器的工作原理

说到迭代器又不得不说说可迭代对象

先一个一个捋清楚

2.1.可迭代对象

2.1.1. 什么是迭代对象？

就是可以迭代的对象，迭代就是每次只一次访问一个值，下次再访问下一个值。

可迭代对象有：字符串、列表、元组、字典、集合等等。

凡是可以for循环的对象都是可迭代对象，如列表的迭代，用for循环，每次获取list的一个值，下次获取下一个值。

例2

List = [1,2,3,4,5]
count = 0

for item in List:
    count = count + 1
    print(f'第{count}次获取的值：{item}')

第1次获取的值：1
第2次获取的值：2
第3次获取的值：3
第4次获取的值：4
第5次获取的值：5

2.1.2. 可迭代对象有什么用？

每个可迭代对象内置方法有：__iter__()、__next__()。

__next__()方法：
此方法是可迭器能够迭代的关键，每次调用__next__()可以获取下一个值，然后停下来，再次调用又可以获取下一个值，直到__next__()抛出 StopIteration 异常，这个异常表示迭代完成。但是能够调用此方法的前提是：可迭代对象变成了迭代器，仅仅是迭代对象是不能调用此方法的（不能迭代）。那怎么把迭代对象变成迭代器呢？
__iter__()方法：
作用于可迭代对象后，返回一个迭代器，只有迭代器才能真正进行迭代（才能进行调用__next__()方法）

可迭代对象调用了__iter__()方法就可以迭代器

可迭代对象的__iter__()方法由python的内置函数iter()调用

可迭代对象的 __next__()方法由python内置函数next()调用

总的来说：迭代器由可迭代对象而来，迭代器能够进行迭代，可迭代对象则不能。

例3（可迭代对象没有变成迭代器进行迭代）✘

List = [1,2,3,4,5]	# 一个可迭代对象list

print(next(List))

TypeError: 'list' object is not an iterator

例4（可迭代对象转成迭代器进行迭代）✔

List = [1,2,3,4,5]

li = iter(List)
print(next(li))
print(next(li))
print(next(li))
print(next(li))
print(next(li))

2.2.for循环与迭代器

for循环本质上就是将可迭代对象转成迭代器，每一次循环调用一次 next()，直到捕获到 StopIteration 异常，停止循环。

例5（与例1如出一撤，这里用for实现）

t = [x * x for x in range(10)]
count = 0
L = []

for item in t:
	count += 1
	print(f'调用next()第{count}次获得的值为：{item}')
	L.append(item)

调用next()第1次获得的值为：0
调用next()第2次获得的值为：1
调用next()第3次获得的值为：4
调用next()第4次获得的值为：9
调用next()第5次获得的值为：16
调用next()第6次获得的值为：25
调用next()第7次获得的值为：36
调用next()第8次获得的值为：49
调用next()第9次获得的值为：64
调用next()第10次获得的值为：81

迭代完成

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

for循环其实就是迭代器的使用，只不过for循环方便了我们使用迭代器，省去了很多代码。

3.生成器的工作原理

生成器本质上就是一个迭代器，可以利用next()进行迭代。只不过这个迭代器的对象是一个函数（大部分都是）。

生成器是迭代器的一个应用，是函数的一种形式，使用了 yield 的函数被称为生成器（generator）。

yield可以返回一个或多个值，并记住当前位置。 其实就是替代了原来的return，return执行过后会重新来过，不标记任何位置，每次都全部执行一遍然后返回一个或多个值。

每次调用生成器，yield会返回一个指定值（或不返回），并标记当前位置。下次再调用它时，从yield标记的位置开始执行。直到抛出 StopIteration 停止迭代。

这样做的好处也是减少不必要的内存损耗，因为有些场景不需要每次调用函数都把循环内容重新过一遍。

例6（用next()迭代）

A = 1
B = 1
C = 0

def ADD():  # 生成器

    for _ in range(3):
        global A, B, C
        i = A + B
        C += i
        yield C

    return C

f = ADD()
while True:
    try:
        print (next(f))
    except StopIteration:
        print('n迭代完成')
        break

2
4
6

迭代完成

例7（用for迭代）

A = 1
B = 1
C = 0

def ADD():  # 生成器

    for _ in range(3):
        global A, B, C
        i = A + B
        C += i
        yield C

    return C

f = ADD()
for item in f:
    print(item)
print('n迭代完成n')