Python 迭代器类型

说明

《Python 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

Python 对于容器类型数据支持逐个进行迭代处理，迭代会对所有元素按照一个逻辑进行计算操作。因此在 Python 所有数据范围内就存在类型是否是可迭代的话题。为了高效完成迭代操作，Python 专门设计了迭代器类型，这类数据专门用来迭代操作。最后，为了高效快捷创建一个迭代器类型，Python 又有一个生成器类型成生成一个可迭代对象。

迭代器类型

迭代器（iterator）就是一个封装了迭代的对象。Python中内置的序列，如list、tuple、str、bytes、dict、set、collections.deque 等都是可迭代对象，但它们不是迭代器。迭代器可以被 next() 函数调用，并不断返回下一个值。Python 从可迭代的对象中获取迭代器。

迭代器和生成器都是为了惰性求值（lazy evaluation），避免浪费内存空间，实现高效处理大量数据。在 Python 3中，生成器有广泛的用途，所有生成器都是迭代器，因为生成器完全实现了迭代器接口。迭代器用于从集合中取出元素，而生成器用于"凭空"生成元素。PEP 342 给生成器增加了 send() 方法，实现了"基于生成器的协程"。PEP 380允许生成器中可以return返回值，并新增了 yield from 语法结构，打开了调用方和子生成器的双向通道。

迭代器用于支持：

for 循环
构建和扩展集合类型
逐行遍历文本文件
列表推导、字典推导和集合推导
元组拆包
调用函数时，使用 * 拆包实参

判断对象是否为迭代器：

from collections import abc

isinstance([1,2,3], abc.Iterator)
# False

isinstance((1,2,3), abc.Iterator)
# False

isinstance({'name': 'lily', 'age': 18}, abc.Iterator)
# False

isinstance({1, 2, 3}, abc.Iterator)
# False

isinstance('abc', abc.Iterator)
# False

isinstance(123, abc.Iterator)
# False

# 生成器表达式，见下文
isinstance((x*2 for x in range(5)), abc.Iterator)
# True

可以看到，常见的类型，它们不是迭代器类型，我们来看看如何让一个对象成为迭代器类型。要转为迭代器类型用使用内置函数 iter()，要使用内置函数 iter() 需要对此对象支持此函数。

对于容器类型，需要实现 container.__iter__() 方法来提供可扩展的支持，用来支持使用内置函数 iter() 将其转为迭代器类型，Python 大多内置的容器已经实现了这个方法。

from collections import abc

it = iter('abc')
it
# <str_iterator at 0x7f8482595e70>

isinstance(it, abc.Iterator)
# True

对于其他类型对象，从技术上讲，Python 迭代器对象必须支持迭代器协议。谓迭代器协议，就是要求一个迭代器必须要实现如下两个方法：

iterator.__iter__()：返回迭代器对象本身
iterator.__next__()：从容器中返回下一个项

也就是说，一个对象只要支持上面两个方法，就是迭代器。

我们来自己实现一个迭代器对象：

class PowTwo:
    """Class to implement an iterator
    of powers of two 二的幂"""

    def __init__(self, max=0):
        self.max = max

    def __iter__(self):
        self.n = 0
        return self

    def __next__(self):
        if self.n <= self.max:
            result = 2 ** self.n
            self.n += 1
            return result
        else:
            raise StopIteration

我们来验证和执行：

PowTwo(3)
# <__main__.PowTwo at 0x7f84823bdf60>

[*PowTwo(3)]
# [1, 2, 4, 8]

n = PowTwo(3)
it = iter(n)

from collections import abc
isinstance(it, abc.Iterator)
# True

next(it) # 1
next(it) # 2  
next(it) # 4 
next(it) # 8 
next(it) # StopIteration

Python 定义了几种迭代器对象以支持对一般和特定序列类型、字典和其他更特别的形式进行迭代。除了迭代器协议的实现，特定类型的其他性质对迭代操作来说都不重要。

一旦迭代器的 __next__() 方法引发了 StopIteration，它必须一直对后续调用引发同样的异常。不遵循此行为特性的实现将无法正常使用。

此外，还可以实现一个无限的迭代器，即元素是无限的，永远迭代不完。以下我们实现是一个无限偶数迭代器：

class Even:
    """Infinite iterator to return all
        Even numbers"""

    def __iter__(self):
        self.num = 2
        return self

    def __next__(self):
        num = self.num
        self.num += 2
        return num

执行时永远迭代不完：

# 注意！这个看就行，别执行，会死循环
[*Even()]

e = iter(Even())

next(e) # 2
next(e) # 4
next(e) # 6
next(e) # 8
next(e) # 10
# ...

内容函数 iter() 也可以生成无限迭代器，在传入两个参数的形式中，调用 callable 直到它返回 sentinel（哨兵，这里设置一个它不可能到达的值）。如：

int()
# 0

inf = iter(int,1)
next(inf) # 0
next(inf) # 0

在处理此类迭代器时，我们必须小心，注意要设置终止条件，否则非常容易造成死循环。

使用迭代器的优点是可以节省资源，比如上例中，我们可以在不将整个数字系统存储在内存中的情况下获得所有偶数。我们可以在有限的内存中拥有无限的内容项（理论上）。

总结下，迭代器的特点：

惰性：迭代器并不是把所有的元素提前计算出来，而是在需要的时候才计算返回。
支持无限个元素：它创建是一个规则，由于是惰性的，你永远可能不会把所有元素全部使用，而列表等容器没法容纳无限个元素的
节省空间：迭代器惰性的特点，存储的是规则算法，因此不会占用太多内存
迭代器同时也是可迭代对象
迭代器遍历完一次就不能从头开始了，用完即销毁，对项的使用是「一次性」的【重点注意】

itertools 库

Python 内置库 itertools 中的大多数函数是返回各种迭代器对象，如果自己去实现同样的功能，代码量会非常大，而在运行效率上反而更低，因此，我们很有必要了解一下这个标准库。

< Python 可迭代对象 Python 的迭代 Python 生成器类型 >

更新时间：2022-04-05 17:00:21 标签：python 迭代器迭代