迭代器

可迭代对象(iterable)

但凡是可以返回一个迭代器的对象都可称之为可迭代对象,看个例子

>>> x = [1, 2, 3] 
>>> y = iter(x) 
>>> z = iter(x) 
>>> next(y) 
1 
>>> next(y) 
2 
>>> next(z) 
1 
>>> type(x) 
<class 'list'> 
>>> type(y) 
<class 'list_iterator'> 

这里x是一个可迭代对象,这只是一种通俗的叫法,并不是一种数据类型.
y和z是两个独立的迭代器，迭代器内部持有一个状态，该状态用于记录当前迭代所在的位置，以方便下次迭代的时候获取正确的元素。

迭代器(iterator)

那什么是迭代器呢?它是一个带状态的的对象,他能在你调用next()方法的时候返回容器中的下一个值,任何实现了__iter__() 和 __ next__() 方法的对象都是迭代器,__iter__返回迭代器自身，__next__返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常.

例子

#  生成无限序列 
>>> from itertools import count 
>>> counter = count(start=13) 
>>> next(counter) 
13 
>>> next(counter) 
14 

#  从有限序列中生成无限序列 
>>> from itertools import count 
>>> counter = count(start=13) 
>>> next(counter) 
13 
>>> next(counter) 
14 

# 为了更直观地感受迭代器内部的执行过程，我们自定义一个迭代器，以斐波那契数列为例 
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] 

Fib既是一个可迭代对象（因为它实现了__iter__方法），又是一个迭代器（因为实现了__next__方法）。实例变量prev和curr用户维护迭代器内部的状态。每次调用next()方法的时候做两件事：

1.为下一次调用next()方法修改状态
2 为当前这次调用生成返回结果

生成器

什么是生成器？

　　通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们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。

　　所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间，在Python中，这种一边循环一边计算的机制，称为生成器：generator

　　生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。

　　生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器(实际就是迭代器)

python中的生成器

　　要创建一个generator，有很多种方法，第一种方法很简单，只有把一个列表生成式的[]中括号改为（）小括号，就创建一个generator

#列表生成式 
lis = [x*x for x in range(10)] 
print(lis) 
#生成器 
generator_ex = (x*x for x in range(10)) 
print(generator_ex) 
 
结果： 
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 
<generator object <genexpr> at 0x000002A4CBF9EBA0> 

那么创建lis和generator_ex，的区别是什么呢？从表面看就是[ ]和（）,但是结果却不一样，一个打印出来是列表（因为是列表生成式），而第二个打印出来却是<generator object at 0x000002A4CBF9EBA0>，那么如何打印出来generator_ex的每一个元素呢？

　　如果要一个个打印出来，可以通过next（）函数获得generator的下一个返回值：

 
#生成器 
generator_ex = (x*x for x in range(10)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
print(next(generator_ex)) 
结果： 
0 
1 
4 
9 
16 
25 
36 
49 
64 
81 
Traceback (most recent call last): 
 
File "列表生成式.py", line 42, in <module> 
 
  print(next(generator_ex)) 
 
StopIteration 

　　大家可以看到，generator保存的是算法，每次调用next(generaotr_ex)就计算出他的下一个元素的值，直到计算出最后一个元素，没有更多的元素时，抛出StopIteration的错误，而且上面这样不断调用是一个不好的习惯，正确的方法是使用for循环，因为generator也是可迭代对象：

#生成器 
generator_ex = (x*x for x in range(10)) 
for i in generator_ex: 
  print(i) 
    
结果： 
0 
1 
4 
9 
16 
25 
36 
49 
64 
81 

　　所以我们创建一个generator后，基本上永远不会调用next()，而是通过for循环来迭代，并且不需要关心StopIteration的错误，generator非常强大，如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

　　这里说一下generator和函数的执行流程，函数是顺序执行的，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次被next（）调用时候从上次的返回yield语句处急需执行，也就是用多少，取多少，不占内存。

Python基础 迭代器与生成器