Python基础-迭代器和生成器

一、可迭代对象

在Python中，我们已经知道，可以直接作用于

for

循环的数据类型有以下几种：

一类是集合数据类型，如

list

、

tuple

、

dict

、

set

、

str

等；

一类是

generator

，包括生成器和带

yield

的generator function。

这些可以直接作用于

for

循环的对象统称为可迭代对象：

Iterable

。

可以使用

isinstance()

判断一个对象是否是

Iterable

对象：

二、迭代器

可以被

next()

函数调用并不断返回下一个值的对象称为迭代器：

Iterator

。

Python的

Iterator

对象表示的是一个数据流，Iterator对象可以被

next()

函数调用并不断返回下一个数据，直到没有数据时抛出

StopIteration

错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过

next()

函数实现按需计算下一个数据，所以

Iterator

的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator

甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

生成器都是

Iterator

对象，但

list

、

dict

、

str

虽然是

Iterable

，却不是

Iterator

。

把

list

、

dict

、

str

等

Iterable

变成

Iterator

可以使用

iter()

函数：

三、生成器

在Python中，使用生成器可以很方便的支持迭代器协议。生成器通过生成器函数产生，生成器函数可以通过常规的def语句来定义，但是不用return返回，而是用yield一次返回一个结果，在每个结果之间挂起和继续它们的状态，来自动实现迭代协议。

也就是说，yield是一个语法糖，内部实现支持了迭代器协议，同时yield内部是一个状态机，维护着挂起和继续的状态。

 

每次调用

next(zrange)

，就计算出zrange的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出

StopIteration

的错误。

小结：

当调用生成器函数的时候，函数只是返回了一个生成器对象，并没有执行。

• 当next()方法第一次被调用的时候，生成器函数才开始执行，执行到yield语句处停止
• next()方法的返回值就是yield语句处的参数（yielded value）
• 当继续调用next()方法的时候，函数将接着上一次停止的yield语句处继续执行，并到下一个yield处停止；如果后面没有yield就抛出StopIteration异常

 

参考资料：

1. http://www.cnblogs.com/alex3714/articles/5765046.html

2. https://www.geek-share.com/detail/2648053760.html