1、可迭代對象與迭代器對比
先舉例
>>> s = 'pin'
>>> iter(s)
<str_iterator object at 0x1045752b0>
>>> iterator_s = iter(s)
>>> next(iterator_s)
'p'
>>> next(iterator_s)
'i'
>>> next(iterator_s)
'n'
>>> next(iterator_s)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
字符串對象就是一個可迭代的對象打颤，通過iter函數(shù)可以獲得它的迭代器并對字符串進行迭代。
再看定義
- 可迭代的對象：
使用iter內(nèi)置函數(shù)可以獲取迭代器的對象 - 迭代器：
迭代器對象實現(xiàn)了無參數(shù)的__next__方法漓滔，返回序列中的下一個元素编饺；如果沒有元素了，就拋出StopIteration異常响驴。迭代器還實現(xiàn)了__iter__方法透且，因此它本身也可以迭代。
也就是說踏施，可迭代的對象有個__iter__方法石蔗，每次都實例化一個新的迭代器；而迭代器要實現(xiàn)__next__方法畅形，返回單個元素养距，此外還要實現(xiàn)__iter__方法，返回迭代器本身日熬。
因此棍厌，迭代器可以迭代，但可迭代的對象不是迭代器竖席。
另外耘纱，可迭代的對象一定不能是自身的迭代器，即可迭代對象必須實現(xiàn)__iter__, 但一定不能實現(xiàn)__next__方法毕荐；迭代器應該一直可以迭代束析，迭代器的__iter__方法應該返回自身。
下面將實現(xiàn)可迭代的斐波那契數(shù)列對象和斐波那契數(shù)列迭代器
# 斐波那契數(shù)列可迭代對象
class Fibonacci:
def __init__(self, num):
self.num = num # 共有num個數(shù)字
def __iter__(self):
return FibonacciIterator(self.num)
# 斐波那契數(shù)列迭代器
class FibonacciIterator:
def __init__(self, num):
self.a = 0 # 第0個數(shù)是0
self.b = 1 # 第一個數(shù)是1
self.index = 1 # 從1開始
self.num = num # 共有num個數(shù)字
def __next__(self):
if self.index <= self.num:
temp = self.a
self.a, self.b = self.b, self.b + temp
self.index += 1
return self.a
raise StopIteration
def __iter__(self):
return self
print(iter(Fibonacci(5)))
# <__main__.FibonacciIterator object at 0x10c56be10>
print([i for i in iter(Fibonacci(5))])
# [1, 1, 2, 3, 5]
2憎亚、什么是生成器
- 生成器函數(shù)：生成器函數(shù)會創(chuàng)建一個生成器對象员寇，包裝生成器函數(shù)的定義體弄慰。把生成器傳給next(...)函數(shù)時，生成器函數(shù)會向前蝶锋，執(zhí)行函數(shù)定義體中的下一個
yield語句陆爽，返回產(chǎn)出的值，并在函數(shù)定義體中當前位置暫停扳缕。最終慌闭，函數(shù)的定義體返回時，外層的生成器對象會拋出StopIteration異常------這一點與迭代器協(xié)議一致躯舔。
通俗一點講驴剔，生成器函數(shù)和普通函數(shù)在句法的唯一區(qū)別就是，生成器函數(shù)在定義體中有yield關鍵字庸毫。
關于yield在函數(shù)體中具體產(chǎn)生了什么作用仔拟，看下面的例子
>>> def gen_AB():
... print("start")
... yield 'A'
... print("continue")
... yield 'B'
... print("end")
...
>>> gen_AB()
<generator object gen_AB at 0x1011b90f8>
>>> generator = gen_AB()
>>> next(generator)
start
'A'
>>> next(generator)
continue
'B'
>>> next(generator)
end
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
上面的例子中生成器對象可以和迭代器一樣去迭代。
接著上面飒赃，講下生成器表達式
[x*3 for x in gen_AB()]
start
continue
end
['AAA', 'BBB']
>>> res = (x*3 for x in gen_AB())
>>> res
<generator object <genexpr> at 0x1011b9200>
>>> for i in res:
... print('-->', i)
...
start
--> AAA
continue
--> BBB
end
列表推導迫切地迭代了gen_AB()函數(shù)生成地生成器對象產(chǎn)出地元素：'A'和'B',所以是先輸出生成器函數(shù)中的打印語句利花。
使用生成表達式產(chǎn)生的是一個生成器對象，只有在迭代的時候载佳，gen_AB()函數(shù)才會被真正執(zhí)行炒事。
最后
用生成器實現(xiàn)斐波那契數(shù)列可迭代對象
class Fibonacci:
def __init__(self, num):
self.a = 0 # 第0個數(shù)是0
self.b = 1 # 第一個數(shù)是1
self.index = 1 # 從1開始
self.num = num # 共有num個數(shù)字
def __iter__(self):
while self.index <= self.num:
temp = self.a
self.a, self.b = self.b, self.b + temp
self.index += 1
yield self.a
print(iter(Fibonacci(5)))
# <generator object Fibonacci.__iter__ at 0x10dc12258>
print(list(Fibonacci(5)))
# [1, 1, 2, 3, 5]
print([i for i in Fibonacci(5)])
# [1, 1, 2, 3, 5]
其實用斐波那契數(shù)列生成器的版本與迭代器的對比，可以發(fā)現(xiàn)蔫慧，前者是iter函數(shù)返回一個迭代器對象挠乳，后者是返回生成器對象。兩者迭代的方式是一致的姑躲，可以說生成器就是一種特殊的迭代器睡扬。
