理解 Python 迭代对象、迭代器、生成器
minyog
8年前
<p>在了解Python的数据结构时，容器(container)、可迭代对象(iterable)、迭代器(iterator)、生成器(generator)、列表/集合/字典推导式(list,set,dict comprehension)众多概念参杂在一起，难免让初学者一头雾水，我将用一篇文章试图将这些概念以及它们之间的关系捋清楚。</p> <p style="text-align:center"><img src="https://simg.open-open.com/show/95b4076d30e55da078045cdade28cea3.png"></p> <h3>容器(container)</h3> <p>容器是一种把多个元素组织在一起的数据结构，容器中的元素可以逐个地迭代获取，可以用 in , not in 关键字判断元素是否包含在容器中。通常这类数据结构把所有的元素存储在内存中（也有一些特列并不是所有的元素都放在内存）在Python中，常见的容器对象有：</p> <ul> <li> <p>list, deque, ....</p> </li> <li> <p>set, frozensets, ....</p> </li> <li> <p>dict, defaultdict, OrderedDict, Counter, ....</p> </li> <li> <p>tuple, namedtuple, …</p> </li> <li> <p>str</p> </li> </ul> <p>容器比较容易理解，因为你就可以把它看作是一个盒子、一栋房子、一个柜子，里面可以塞任何东西。从技术角度来说，当它可以用来询问某个元素是否包含在其中时，那么这个对象就可以认为是一个容器，比如 list，set，tuples都是容器对象：</p> <pre> <code class="language-python">>>> assert 1 in [1, 2, 3] # lists >>> assert 4 not in [1, 2, 3] >>> assert 1 in {1, 2, 3} # sets >>> assert 4 not in {1, 2, 3} >>> assert 1 in (1, 2, 3) # tuples >>> assert 4 not in (1, 2, 3) </code></pre> <p>询问某元素是否在dict中用dict的中key：</p> <pre> <code class="language-python">>>> d = {1: 'foo', 2: 'bar', 3: 'qux'} >>> assert 1 in d >>> assert 'foo' not in d # 'foo' 不是dict中的元素 </code></pre> <p>询问某substring是否在string中：</p> <pre> <code class="language-python">>>> s = 'foobar' >>> assert 'b' in s >>> assert 'x' not in s >>> assert 'foo' in s </code></pre> <p>尽管绝大多数容器都提供了某种方式来获取其中的每一个元素，但这并不是容器本身提供的能力，而是 <strong>可迭代对象</strong> 赋予了容器这种能力，当然并不是所有的容器都是可迭代的，比如： Bloom filter ，虽然Bloom filter可以用来检测某个元素是否包含在容器中，但是并不能从容器中获取其中的每一个值，因为Bloom filter压根就没把元素存储在容器中，而是通过一个散列函数映射成一个值保存在数组中。</p> <h3>可迭代对象(iterable)</h3> <p>刚才说过，很多容器都是可迭代对象，此外还有更多的对象同样也是可迭代对象，比如处于打开状态的files，sockets等等。但凡是可以返回一个 <strong>迭代器</strong> 的对象都可称之为可迭代对象，听起来可能有点困惑，没关系，先看一个例子：</p> <pre> <code class="language-python">>>> x = [1, 2, 3] >>> y = iter(x) >>> z = iter(x) >>> next(y) 1 >>> next(y) 2 >>> next(z) 1 >>> type(x) <class 'list'> >>> type(y) <class 'list_iterator'> </code></pre> <p>这里 x 是一个可迭代对象，可迭代对象和容器一样是一种通俗的叫法，并不是指某种具体的数据类型，list是可迭代对象，dict是可迭代对象，set也是可迭代对象。 y 和 z 是两个独立的迭代器，迭代器内部持有一个状态，该状态用于记录当前迭代所在的位置，以方便下次迭代的时候获取正确的元素。迭代器有一种具体的迭代器类型，比如 list_iterator ， set_iterator 。可迭代对象实现了 __iter__ 和 __next__ 方法（python2中是 next 方法，python3是 __next__ 方法），这两个方法对应内置函数 iter() 和 next() 。 __iter__ 方法返回可迭代对象本身，这使得他既是一个可迭代对象同时也是一个迭代器。</p> <p>当运行代码：</p> <pre> <code class="language-python">x = [1, 2, 3] for elem in x: ... </code></pre> <p>实际执行情况是：</p> <p style="text-align:center"><img src="https://simg.open-open.com/show/f65e5ba6a44611ae0b34b8375932123e.png"></p> <p>反编译该段代码，你可以看到解释器显示地调用 GET_ITER 指令，相当于调用 iter(x) ， FOR_ITER 指令就是调用 next() 方法，不断地获取迭代器中的下一个元素，但是你没法直接从指令中看出来，因为他被解释器优化过了。</p> <pre> <code class="language-python">>>> import dis >>> x = [1, 2, 3] >>> dis.dis('for _ in x: pass') 1 0 SETUP_LOOP 14 (to 17) 3 LOAD_NAME 0 (x) 6 GET_ITER >> 7 FOR_ITER 6 (to 16) 10 STORE_NAME 1 (_) 13 JUMP_ABSOLUTE 7 >> 16 POP_BLOCK >> 17 LOAD_CONST 0 (None) 20 RETURN_VALUE </code></pre> <h3>迭代器(iterator)</h3> <p>那么什么迭代器呢？它是一个带状态的对象，他能在你调用 next() 方法的时候返回容器中的下一个值，任何实现了 __next__() （python2中实现 next() ）方法的对象都是迭代器，至于它是如何实现的这并不重要。</p> <p>所以，迭代器就是实现了工厂模式的对象，它在你每次你询问要下一个值的时候给你返回。有很多关于迭代器的例子，比如 itertools 函数返回的都是迭代器对象。</p> <p>生成无限序列：</p> <pre> <code class="language-python">>>> from itertools import count >>> counter = count(start=13) >>> next(counter) 13 >>> next(counter) 14 </code></pre> <p>从一个有限序列中生成无限序列：</p> <pre> <code class="language-python">>>> from itertools import cycle >>> colors = cycle(['red', 'white', 'blue']) >>> next(colors) 'red' >>> next(colors) 'white' >>> next(colors) 'blue' >>> next(colors) 'red' </code></pre> <p>从无限的序列中生成有限序列：</p> <pre> <code class="language-python">>>> from itertools import islice >>> colors = cycle(['red', 'white', 'blue']) # infinite >>> limited = islice(colors, 0, 4) # finite >>> for x in limited: ... print(x) red white blue red </code></pre> <p>为了更直观地感受迭代器内部的执行过程，我们自定义一个迭代器，以斐波那契数列为例：</p> <pre> <code class="language-python">class Fib: def __init__(self): self.prev = 0 self.curr = 1 def __iter__(self): return self def __next__(self): value = self.curr self.curr += self.prev self.prev = value return value >>> f = Fib() >>> list(islice(f, 0, 10)) [1, 1, 2, 3, 5, 8, 13, 21, 34, 55] </code></pre> <p>Fib既是一个可迭代对象（因为它实现了 __iter__ 方法），又是一个迭代器（因为实现了 __next__ 方法）。实例变量 prev 和 curr 用户维护迭代器内部的状态。每次调用 next() 方法的时候做两件事：</p> <ol> <li> <p>为下一次调用 next() 方法修改状态</p> </li> <li> <p>为当前这次调用生成返回结果</p> </li> </ol> <p>迭代器就像一个懒加载的工厂，等到有人需要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。</p> <h3>生成器(generator)</h3> <p>生成器算得上是Python语言中最吸引人的特性之一，生成器其实是一种特殊的迭代器，不过这种迭代器更加优雅。它不需要再像上面的类一样写 __iter__() 和 __next__() 方法了，只需要一个 yiled 关键字。 生成器一定是迭代器（反之不成立），因此任何生成器也是以一种懒加载的模式生成值。用生成器来实现斐波那契数列的例子是：</p> <pre> <code class="language-python">def fib(): prev, curr = 0, 1 while True: yield curr prev, curr = curr, curr + prev >>> f = fib() >>> list(islice(f, 0, 10)) [1, 1, 2, 3, 5, 8, 13, 21, 34, 55] </code></pre> <p>fib 就是一个普通的python函数，它特需的地方在于函数体中没有 return 关键字，函数的返回值是一个生成器对象。当执行 f=fib() 返回的是一个生成器对象，此时函数体中的代码并不会执行，只有显示或隐示地调用next的时候才会真正执行里面的代码。</p> <p>生成器在Python中是一个非常强大的编程结构，可以用更少地中间变量写流式代码，此外，相比其它容器对象它更能节省内存和CPU，当然它可以用更少的代码来实现相似的功能。现在就可以动手重构你的代码了，但凡看到类似：</p> <pre> <code class="language-python">def something(): result = [] for ... in ...: result.append(x) return result </code></pre> <p>都可以用生成器函数来替换：</p> <pre> <code class="language-python">def iter_something(): for ... in ...: yield x </code></pre> <h3>生成器表达式(generator expression)</h3> <p>生成器表达式是列表推倒式的生成器版本，看起来像列表推导式，但是它返回的是一个生成器对象而不是列表对象。</p> <pre> <code class="language-python">>>> a = (x*x for x in range(10)) >>> a <generator object <genexpr> at 0x401f08> >>> sum(a) 285 </code></pre> <p> </p> <p>来自：https://mp.weixin.qq.com/s/baavCsOtKH0uuUGI-GPecw</p> <p> </p>