原文來自廖雪峰Python3教程高級特性部分整胃，略有增刪改赋秀。

我整理本文的目的是有這樣的問題：在Python中，for循環(huán)極為常用待榔，我們利用它進行批量提取數(shù)據(jù)或進行數(shù)據(jù)運算逞壁。但較為深入的概念和機制我們是否真正有所理解呢？

可迭代對象與迭代器

可以直接作用于for循環(huán)的數(shù)據(jù)類型有以下幾種：

• 一類是集合數(shù)據(jù)類型，如list猾担、tuple袭灯、dict、set绑嘹、str等稽荧；
• 一類是generator，包括生成器和帶yield的生成器函數(shù)工腋。

這些可以直接作用于for循環(huán)的對象統(tǒng)稱為可迭代對象：Iterable姨丈。

可以使用isinstance()判斷一個對象是否是Iterable對象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

可以被next()函數(shù)調(diào)用并不斷返回下一個值的對象稱為迭代器：Iterator。

顯然可迭代對象與迭代器是兩個不同的概念擅腰，它們的區(qū)別需要通過生成器加以理解蟋恬。

生成器

通過列表生成式，我們可以直接創(chuàng)建一個列表趁冈。但是歼争，受到內(nèi)存限制，列表容量肯定是有限的渗勘。而且沐绒，創(chuàng)建一個包含100萬個元素的列表，不僅占用很大的存儲空間旺坠，如果我們僅僅需要訪問前面幾個元素乔遮，那后面絕大多數(shù)元素占用的空間都白白浪費了。

因此取刃，Python實現(xiàn)了一種一邊循環(huán)一邊計算的機制蹋肮，稱為生成器：generator。相比于列表生成式直接生成數(shù)據(jù)璧疗，生成器存儲循環(huán)推演算法以及當前值坯辩。

創(chuàng)建生成器的一個簡單方法是把一個列表生成式的[]改成()。

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

創(chuàng)建L和g的區(qū)別僅在于最外層的[]和()崩侠，L是一個list漆魔，而g是一個generator。

g默認輸出對象信息啦膜，需要通過next()函數(shù)獲得generator的下一個返回值：

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

我們講過，generator保存的是算法淌喻，每次調(diào)用next(g)僧家，就可以通過當前的元素值計算出g的下一個元素的值，直到計算到最后一個元素裸删，沒有更多的元素時八拱，拋出StopIteration的錯誤。

顯然這種操作不實用，根據(jù)上一節(jié)的介紹肌稻，生成器也是可迭代對象清蚀，因此可以使用for循環(huán)。

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
... 
0
1
4
9
16
25
36
49
64
81

所以爹谭，我們創(chuàng)建了一個generator后枷邪，基本上永遠不會調(diào)用next()，而是通過for循環(huán)來迭代它诺凡，并且不需要關(guān)心StopIteration的錯誤东揣。

生成器函數(shù)

generator非常強大。如果推算的算法比較復雜腹泌，用類似列表生成式的for循環(huán)無法實現(xiàn)的時候嘶卧，還可以用函數(shù)來實現(xiàn)。

比如凉袱，著名的斐波拉契數(shù)列（Fibonacci）芥吟，除第一個和第二個數(shù)外，任意一個數(shù)都可由前兩個數(shù)相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契數(shù)列用列表生成式寫不出來专甩，但是钟鸵，用函數(shù)把它打印出來卻很容易：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done'

上面的函數(shù)可以輸出斐波那契數(shù)列的前N個數(shù)：

>>> fib(6)
1
1
2
3
5
8
'done'

仔細觀察，可以看出配深，fib函數(shù)實際上是定義了斐波拉契數(shù)列的推算規(guī)則携添，可以從第一個元素開始，推算出后續(xù)任意的元素篓叶，這種邏輯其實非常類似generator烈掠。

也就是說，上面的函數(shù)和generator僅一步之遙缸托。要把fib函數(shù)變成generator左敌，只需要把print(b)改為yield b就可以了：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

這就是定義generator的另一種方法。如果一個函數(shù)定義中包含yield關(guān)鍵字俐镐，那么這個函數(shù)就不再是一個普通函數(shù)矫限，而是一個generator：

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

這里，最難理解的就是generator和函數(shù)的執(zhí)行流程不一樣佩抹。函數(shù)是順序執(zhí)行叼风，遇到return語句或者最后一行函數(shù)語句就返回。而變成generator的函數(shù)棍苹，在每次調(diào)用next()的時候執(zhí)行无宿，遇到yield語句返回，再次執(zhí)行時從上次返回的yield語句處繼續(xù)執(zhí)行枢里。

舉個簡單的例子孽鸡，定義一個generator蹂午，依次返回數(shù)字1，3彬碱，5：

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)

調(diào)用該generator時豆胸，首先要生成一個generator對象，然后用next()函數(shù)不斷獲得下一個返回值：

>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

可以看到巷疼，odd不是普通函數(shù)晚胡，而是generator，在執(zhí)行過程中皮迟，遇到yield就中斷搬泥，下次又繼續(xù)執(zhí)行。執(zhí)行3次yield后伏尼，已經(jīng)沒有yield可以執(zhí)行了忿檩，所以，第4次調(diào)用next(o)就報錯爆阶。

但是用for循環(huán)調(diào)用generator時燥透，發(fā)現(xiàn)拿不到generator的return語句的返回值。如果想要拿到返回值辨图，必須捕獲StopIteration錯誤班套，返回值包含在StopIteration的value中：

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e:
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done 

相互關(guān)系

可以使用isinstance()判斷一個對象是否是Iterator對象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator) # 這是一個生成器
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是Iterator對象，但list故河、dict吱韭、str雖然是Iterable，卻不是Iterator鱼的。

把list理盆、dict、str等Iterable變成Iterator可以使用iter()函數(shù)：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

為什么list凑阶、dict猿规、str等數(shù)據(jù)類型不是Iterator？

這是因為Python的Iterator對象表示的是一個數(shù)據(jù)流宙橱，Iterator對象可以被next()函數(shù)調(diào)用并不斷返回下一個數(shù)據(jù)姨俩，直到?jīng)]有數(shù)據(jù)時拋出StopIteration錯誤。可以把這個數(shù)據(jù)流看做是一個有序序列师郑，但我們卻不能提前知道序列的長度环葵，只能不斷通過next()函數(shù)實現(xiàn)按需計算下一個數(shù)據(jù)，所以Iterator的計算是惰性的宝冕，只有在需要返回下一個數(shù)據(jù)時它才會計算张遭。

Iterator甚至可以表示一個無限大的數(shù)據(jù)流，例如全體自然數(shù)猬仁。而使用list是永遠不可能存儲全體自然數(shù)的帝璧。

小結(jié)

凡是可作用于for循環(huán)的對象都是可迭代類型；

凡是可作用于next()函數(shù)的對象都是迭代器類型湿刽，它們表示一個惰性計算的序列的烁；

集合數(shù)據(jù)類型如list、dict诈闺、str等是Iterable但不是Iterator性宏，不過可以通過iter()函數(shù)獲得一個Iterator對象纯露。

Python的for循環(huán)本質(zhì)上就是通過不斷調(diào)用next()函數(shù)實現(xiàn)的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

實際上完全等價于：

# 首先獲得Iterator對象:
it = iter([1, 2, 3, 4, 5])
# 循環(huán):
while True:
    try:
        # 獲得下一個值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循環(huán)
        break