迭代器介绍
迭代器即用来迭代取值的工具，而迭代是重复反馈过程的活动，其目的通常是为了逼近所需的目标或结果，每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值,单纯的重复并不是迭代。
实例:
goods=['mac','lenovo','acer','dell','sony'] index=0 while index < len(goods): print(goods[index]) index+=1
可迭代对象
通过索引的方式进行迭代取值，实现简单，但仅适用于序列类型：字符串，列表，元组。对于没有索引的字典、集合等非序列类型，必须找到一种不依赖索引来进行迭代取值的方式，这就用到了迭代器。
可迭代对象(Iterable): 但凡内置有__iter__方法的都称之为可迭代对象。字符串、列表、元组、字典、集合、打开的文件都是可迭代对象：
''.__iter__() [].__iter__() ().__iter__() {}.__iter__() dict({}).__iter__() open('a.txt').__iter__()
迭代器对象
调用obj.iter()方法返回的结果就是一个迭代器对象(Iterator)。迭代器对象是内置有iter和next方法的对象，打开的文件本身就是一个迭代器对象，执行迭代器对象.iter()方法得到的仍然是迭代器本身，而执行迭代器.next()方法就会计算出迭代器中的下一个值。 迭代器是Python提供的一种统一的、不依赖于索引的迭代取值方式，只要存在多个“值”，无论序列类型还是非序列类型都可以按照迭代器的方式取值
# 调用可迭代对象下的__iter__方法会将其转换成迭代器对象 d = {1: 'a', 2: 'b', 3: 'c'} # d_iterator = d.__iter__() d_iterator = iter(d) print(d_iterator) # print(d_iterator.__next__()) # print(d_iterator.__next__()) # print(d_iterator.__next__()) # print(d_iterator.__next__()) # 抛出异常StopIteration
# 可迭代对象与迭代器详解 # 可迭代对象("可以转换成迭代器的对象"): 内置有__iter__方法的对象 # 迭代器对象: 内置有__next__方便并且内置有__iter__方法的对象 # 迭代器对象.__next__(): 得到迭代器的下一个值 # 迭代器对象.__iter__(): 得到迭代器的本身 # 迭代器对象是可迭代对象, 可迭代对象不是迭代器对象 dic = {'a': 1, 'b': 2, 'c': 3} dic_iterator = dic.__iter__() print(dic_iterator.__iter__() is dic_iterator) # True
可迭代对象: 字符串、元组、列表、集合、字典、文件对象
迭代器对象: 文件对象
for循环的工作原理: for循环可以称之为迭代器循环
# 1. d.__iter__()得到一个迭代器对象 # 2. 迭代器对象.__next__()拿到第一个返回值, 返回将该返回值赋值给k # 3. 循环往复步骤2, 直到抛出StopIteration异常for循环会捕捉异常然后结束循环
迭代器的优缺点
优点:
1. 为序列和非序列类型提供了一种统一的迭代取值方式。
2. 惰性计算：迭代器对象表示的是一个数据流，可以只在需要时才去调用next来计算出一个值，就迭代器本身来说，同一时刻在内存中只有一个值，因而可以存放无限大的数据流，而对于其他容器类型，如列表，需要把所有的元素都存放于内存中，受内存大小的限制，可以存放的值的个数是有限的。
缺点:
1. 除非取尽，否则无法获取迭代器的长度
2. 只能取下一个值，不能回到开始，更像是‘一次性的’，迭代器产生后的唯一目标就是重复执行next方法直到值取尽，否则就会停留在某个位置，等待下一次调用next；若是要再次迭代同个对象，你只能重新调用iter方法去创建一个新的迭代器对象，如果有两个或者多个循环使用同一个迭代器，必然只会有一个循环能取到值。