完全理解 Python 迭代对象、迭代器、生成器

2017/05/29 · · · , ,

原文出处：    

本文源自作者的一篇博文，原文是，俺写的这篇文章是按照自己的理解做的参考翻译，算不上是原文的中译版本，推荐阅读原文，谢谢网友指正。

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。

容器(container)

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（也有一些特例，并不是所有的元素都放在内存，比如迭代器和生成器对象）在Python中，常见的容器对象有：

• list, deque, ….
• set, frozensets, ….
• dict, defaultdict, OrderedDict, Counter, ….
• tuple, namedtuple, …
• str

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：

 

 

 

 

 

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)

1 2 3 4 5 6

>>> 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 )

询问某元素是否在dict中用dict的中key：

 

 

 

 

 

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

1 2 3

>>> d = { 1 : 'foo' , 2 : 'bar' , 3 : 'qux' } >>> assert 1 in d >>> assert 'foo' not in d    # 'foo' 不是dict中的元素

询问某substring是否在string中：

 

 

 

 

 

Python

 

>>> s = 'foobar' >>> assert 'b' in s >>> assert 'x' not in s >>> assert 'foo' in s

1 2 3 4

>>> s = 'foobar' >>> assert 'b' in s >>> assert 'x' not in s >>> assert 'foo' in s

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，而是可迭代对象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：，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。

可迭代对象(iterable)

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迭代器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：

 

 

 

 

 

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'>

1 2 3 4 5 6 7 8 9 10 11 12 13

>>> 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' >

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__方法，该方法返回一个迭代器对象。

当运行代码：

 

 

 

 

 

Python

 

x = [1, 2, 3] for elem in x: ...

1 2 3

x = [ 1 , 2 , 3 ] for elem in x :      . . .

实际执行情况是：

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。

 

 

 

 

 

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

1 2 3 4 5 6 7 8 9 10 11 12

>>> 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

 

迭代器(iterator)

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__iter__和__next__()（python2中实现next()）方法的对象都是迭代器，__iter__返回迭代器自身，__next__返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常，至于它们到底是如何实现的这并不重要。

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。

生成无限序列：

 

 

 

 

 

Python

 

>>> from itertools import count >>> counter = count(start=13) >>> next(counter) 13 >>> next(counter) 14

1 2 3 4 5 6

>>> from itertools import count >>> counter = count ( start = 13 ) >>> next ( counter ) 13 >>> next ( counter ) 14

从一个有限序列中生成无限序列：

 

 

 

 

 

Python

 

>>> from itertools import cycle >>> colors = cycle(['red', 'white', 'blue']) >>> next(colors) 'red' >>> next(colors) 'white' >>> next(colors) 'blue' >>> next(colors) 'red'

1 2 3 4 5 6 7 8 9 10

>>> from itertools import cycle >>> colors = cycle ( [ 'red' , 'white' , 'blue' ] ) >>> next ( colors ) 'red' >>> next ( colors ) 'white' >>> next ( colors ) 'blue' >>> next ( colors ) 'red'

从无限的序列中生成有限序列：

 

 

 

 

 

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

1 2 3 4 5 6 7 8 9

>>> 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

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：

 

 

 

 

 

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]

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

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 ]

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：

1. 为下一次调用next()方法修改状态
2. 为当前这次调用生成返回结果

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。

生成器(generator)

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：

 

 

 

 

 

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]

1 2 3 4 5 6 7 8 9

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 ]

fib就是一个普通的python函数，它特殊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。

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：

 

 

 

 

 

Python

 

def something(): result = [] for ... in ...: result.append(x) return result

1 2 3 4 5

def something ( ) :      result = [ ]      for . . . in . . . :          result . append ( x )      return result

都可以用生成器函数来替换：

 

 

 

 

 

Python

 

def iter_something(): for ... in ...: yield x

1 2 3

def iter_something ( ) :      for . . . in . . . :          yield x

 

生成器表达式(generator expression)

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。

 

 

 

 

 

Python

 

>>> a = (x*x for x in range(10)) >>> a <generator object <genexpr> at 0x401f08> >>> sum(a) 285

1 2 3 4 5

>>> a = ( x * x for x in range ( 10 ) ) >>> a < generator object < genexpr > at 0x401f08 > >>> sum ( a ) 285

 

总结

• 容器是一系列元素的集合，str、list、set、dict、file、sockets对象都可以看作是容器，容器都可以被迭代（用在for，while等语句中），因此他们被称为可迭代对象。
• 可迭代对象实现了__iter__方法，该方法返回一个迭代器对象。
• 迭代器持有一个内部状态的字段，用于记录下次迭代返回值，它实现了__next__和__iter__方法，迭代器不会一次性把所有元素加载到内存，而是需要的时候才生成返回结果。
• 生成器是一种特殊的迭代器，它的返回值不是通过return而是用yield。

参考链接：