为什么for循环可以遍历list:Python中迭代器与生成器
1 引言
只要你学了python语言,就不会不知道for循环,也肯定用for循环来遍历一个列表(list),那为什么for循环可以遍历list,而不能遍历int类型对象呢?怎么让一个自定义的对象可遍历?
这篇博客中,我们来一起探索一下这个问题,在这个过程中,我们会介绍到迭代器、可迭代对象、生成器,更进一步的,我们会详细介绍他们的原理、异同。
2 迭代器与可迭代对象
在开始下面内容之前,我们先说说标题中的“迭代”一词。什么是迭代?我认为,迭代一个完整过程中的一个重复,或者说每一次对过程的重复称为一次“迭代”,而每一次迭代得到的结果会作为下一次迭代的初始值,举一个类比来说:一个人类家族的发展是一个完整过程,需要经过数代人的努力,每一代都会以接着上一代的成果继续发展,所以每一代都是迭代。
2.1 迭代器
(1)怎么判断是否可迭代
作为一门设计语言,python提供了许多必要的数据类型,例如基本数据类型int、bool、str,还有容器类型list、tuple、dict、set。这些类型当中,有些是可迭代的,有些不可迭代,怎么判断呢?
在python中,我们把所有可以迭代的对象统称为可迭代对象,有一个类专门与之对应:iterable。所以,要判断一个类是否可迭代,只要判断是否是iterable类的实例即可。
>>> from collections import iterable >>> isinstance(123, iterable) false >>> isinstance(true, iterable) false >>> isinstance('abc', iterable) true >>> isinstance([], iterable) true >>> isinstance({}, iterable) true >>> isinstance((), iterable) true
所以,整型、布尔不可迭代,字符串、列表、字典、元组可迭代。
怎么让一个对象可迭代呢?毕竟,很多时候,我们需要用到的对象不止python内置的这些数据类型,还有自定义的数据类型。答案就是实现__iter__()方法,只要一个对象定义了__iter__()方法,那么它就是可迭代对象。
from collections.abc import iterable class a(): def __iter__(self): pass print('a()是可迭代对象吗:',isinstance(a(),iterable))
结果输出为:
a()是可迭代对象吗: true
瞧,我们在__iter__()方法里面甚至没写任何东西,反正我们在类a中定义则__iter__()方法,那么,它就是一个可迭代对象。
重要的事情说3遍:
只要一个对象定义了__iter__()方法,那么它就是可迭代对象。
只要一个对象定义了__iter__()方法,那么它就是可迭代对象。
只要一个对象定义了__iter__()方法,那么它就是可迭代对象。
2.2 迭代器
迭代器是对可迭代对象的改造升级,上面说过,一个对象定义了__iter__()方法,那么它就是可迭代对象,进一步地,如果一个对象同时实现了__iter__()和__next()__()方法,那么它就是迭代器。
来,跟我读三遍:
如果一个对象同时实现了__iter__()和__next()__()方法,那么它就是迭代器。
如果一个对象同时实现了__iter__()和__next()__()方法,那么它就是迭代器。
如果一个对象同时实现了__iter__()和__next()__()方法,那么它就是迭代器。
在python中,也有一个类与迭代器对应:iterator。所以,要判断一个类是否是迭代器,只要判断是否是iterator类的实例即可。
from collections.abc import iterable from collections.abc import iterator class b(): def __iter__(self): pass def __next__(self): pass print('b()是可迭代对象吗:',isinstance(b(), iterable)) print('b()是迭代器吗:',isinstance(b(), iterator))
结果输出如下:
b()是可迭代对象吗: true
b()是迭代器吗: true
可见,迭代器一定是可迭代对象,但可迭代对象不一定是迭代器。
所以整型、布尔一定不是迭代器,因为他们连可迭代对象都算不上。那么,字符串、列表、字典、元组是迭代器吗?猜猜!
>>> from collections.abc import iterator >>> isinstance('abc', iterator) false >>> isinstance([], iterator) false >>> isinstance({}, iterator) false >>> isinstance((), iterator) false
惊不惊喜,意不意外,字符串、列表、字典、元组都不是迭代器。那为什么它们可以在for循环中遍历呢?而且,我想,看到这里,就算你已经可以在形式上区分可迭代对象和迭代器,但是你可能会问,这有什么卵用吗?确实,没多少卵用,因为我们还不知道__iter__()、__next__()到底是个什么鬼东西。
接下来,我们通过继续探究for循环的本质来解答这些问题。
2.3 for循环的本质
说到__iter__()和__next__()方法,就很有必要介绍一下iter()和next()方法了。
(1)iter()与__iter__()
__iter__()的作用是返回一个迭代器,虽然上面说过,只要实现了__iter__()方法就是可迭代对象,但是,没有实现功能(返回迭代器)总归是有问题的,就像一个村长,当选之后,那就是村长了,但是如果尸位素餐不做事,那总是有问题的。
__iter__()方法毕竟是一个特殊方法,不适合直接调用,所以python提供了iter()方法。iter()是python提供的一个内置方法,可以不用导入,直接调用即可。
from collections.abc import iterator class a(): def __iter__(self): print('a类的__iter__()方法被调用') return b() class b(): def __iter__(self): print('b类的__iter__()方法被调用') return self def __next__(self): pass a = a() print('对a类对象调用iter()方法前,a是迭代器吗:', isinstance(a, iterator)) a1 = iter(a) print('对a类对象调用iter()方法后,a1是迭代器吗:', isinstance(a1, iterator)) b = b() print('对b类对象调用iter()方法前,b是迭代器吗:', isinstance(b, iterator)) b1 = iter(b) print('对b类对象调用iter()方法后,b1是迭代器吗:', isinstance(b1, iterator))
运行结果如下:
对a类对象调用iter()方法前,a是迭代器吗: false
a类的__iter__()方法被调用
对a类对象调用iter()方法后,a1是迭代器吗: true
对b类对象调用iter()方法前,b是迭代器吗: true
b类的__iter__()方法被调用
对b类对象调用iter()方法后,b1是迭代器吗: true
对于b类,因为b类本身就是迭代器,所以可以直接返回b类的实例,也就是说self,当然,你要是返回其他迭代器也没毛病。对于类a,它只是一个可迭代对象,__iter__()方法需要返回一个迭代器,所以返回了b类的实例,如果返回的不是一个迭代器,调用iter()方法时就会报以下错误:
typeerror: iter() returned non-iterator of type 'a'
(2)next()与__next__()
__next__()的作用是返回遍历过程中的下一个元素,如果没有下一个元素则主动抛出stopiteration异常。而next()就是python提供的一个用于调用__next__()方法的内置方法。
下面,我们通过next()方法来遍历一个list:
>>> list_1 = [1, 2, 3] >>> next(list_1) traceback (most recent call last): file "<pyshell#19>", line 1, in <module> next(list_1) typeerror: 'list' object is not an iterator >>> list_2 = iter(list_1) >>> next(list_2) 1 >>> next(list_2) 2 >>> next(list_2) 3 >>> next(list_2) traceback (most recent call last): file "<pyshell#24>", line 1, in <module> next(list_2) stopiteration
因为列表只是可迭代对象,不是迭代器,所以对list_1直接调用next()方法会产生异常。对list_1调用iter()后就可以获得是迭代器的list_2,对list_2每一次调用next()方法都会取出一个元素,当没有下一个元素时继续调用next()就抛出了stopiteration异常。
>>> class a(): def __init__(self, lst): self.lst = lst def __iter__(self): print('a.__iter__()方法被调用') return b(self.lst) >>> class b(): def __init__(self, lst): self.lst = lst self.index = 0 def __iter__(self): print('b.__iter__()方法被调用') return self def __next__(self): try: print('b.__next__()方法被调用') value = self.lst[self.index] self.index += 1 return value except indexerror: raise stopiteration() >>> a = a([1, 2, 3]) >>> a1 = iter(a) a.__iter__()方法被调用 >>> next(a1) b.__next__()方法被调用 1 >>> next(a1) b.__next__()方法被调用 2 >>> next(a1) b.__next__()方法被调用 3 >>> next(a1) b.__next__()方法被调用 traceback (most recent call last): file "<pyshell#78>", line 11, in __next__ value = self.lst[self.index] indexerror: list index out of range during handling of the above exception, another exception occurred: traceback (most recent call last): file "<pyshell#84>", line 1, in <module> next(a1) file "<pyshell#78>", line 15, in __next__ raise stopiteration() stopiteration
a类实例化出来的实例a只是可迭代对象,不是迭代器,调用iter()方法后,返回了一个b类的实例a1,每次对a1调用next()方法,都用调用b类的__next__()方法。
接下来,我们用for循环遍历一下a类实例:
>>> for i in a([1, 2, 3]): print('for循环中取出值:',i) a.__iter__()方法被调用 b.__next__()方法被调用 for循环中取出值: 1 b.__next__()方法被调用 for循环中取出值: 2 b.__next__()方法被调用 for循环中取出值: 3 b.__next__()方法被调用
通过for循环对一个可迭代对象进行迭代时,for循环内部机制会自动通过调用iter()方法执行可迭代对象内部定义的__iter__()方法来获取一个迭代器,然后一次又一次得迭代过程中通过调用next()方法执行迭代器内部定义的__next__()方法获取下一个元素,当没有下一个元素时,for循环自动捕获并处理stopiteration异常。如果你还没明白,请看下面用while循环实现for循环功能,整个过程、原理都是一样的:
>>> a = a([1, 2, 3]) >>> a1 = iter(a) a.__iter__()方法被调用 >>> while true: try: i = next(a1) print('for循环中取出值:', i) except stopiteration: break b.__next__()方法被调用 for循环中取出值: 1 b.__next__()方法被调用 for循环中取出值: 2 b.__next__()方法被调用 for循环中取出值: 3 b.__next__()方法被调用 作为一个迭代器,b类对象也可以通过for循环来迭代: >>> for i in b([1, 2, 3]): print('for循环中取出值:',i) b.__iter__()方法被调用 b.__next__()方法被调用 for循环中取出值: 1 b.__next__()方法被调用 for循环中取出值: 2 b.__next__()方法被调用 for循环中取出值: 3 b.__next__()方法被调用 看出来了吗?这就是for循环的本质。
3 生成器
3.1 迭代器与生成器
如果一个函数体内部使用yield关键字,这个函数就称为生成器函数,生成器函数调用时产生的对象就是生成器。生成器是一个特殊的迭代器,在调用该生成器函数时,python会自动在其内部添加__iter__()方法和__next__()方法。把生成器传给 next() 函数时, 生成器函数会向前继续执行, 执行到函数定义体中的下一个 yield 语句时, 返回产出的值, 并在函数定义体的当前位置暂停, 下一次通过next()方法执行生成器时,又从上一次暂停位置继续向下……,最终, 函数内的所有yield都执行完,如果继续通过yield调用生成器, 则会抛出stopiteration 异常——这一点与迭代器协议一致。
>>> from collections.abc import iterable >>> from collections.abc import iterator >>> def gen(): print('第1次执行') yield 1 print('第2次执行') yield 2 print('第3次执行') yield 3 >>> g = gen() >>> isinstance(g, iterable) true >>> isinstance(g, iterator) true >>> g <generator object gen at 0x0000021ce9a39a98> >>> next(g) 第1次执行 1 >>> next(g) 第2次执行 2 >>> next(g) 第3次执行 3 >>> next(g) traceback (most recent call last): file "<pyshell#120>", line 1, in <module> next(g) stopiteration
可以看到,生成器的执行机制与迭代器是极其相似的,生成器本就是迭代器,只不过,有些特殊。那么,生成器特殊在哪呢?或者说,有了迭代器,为什么还要用生成器?
从上面的介绍和代码中可以看出,生成器采用的是一种惰性计算机制,一次调用也只会产生一个值,它不会将所有的值一次性返回给你,你需要一个那就调用一次next()方法取一个值,这样做的好处是如果元素有很多(数以亿计甚至更多),如果用列表一次性返回所有元素,那么会消耗很大内存,如果我们只是想要对所有元素依次一个一个取出来处理,那么,使用生成器就正好,一次返回一个,并不会占用太大内存。
举个例子,假设我们现在要取1亿以内的所有偶数,如果用列表来实现,代码如下:
def fun_list(): index = 1 temp_list = [] while index < 100000000: if index % 2 == 0: temp_list.append(index) print(index) index += 1 return temp_list
上面程序会先获取所有符合要求的偶数,然后一次性返回。如果你运行了代码,你就会发现两个问题——运行时间很长、消耗很多内存。
有时候,我们并不一定需要一次性获得所有的对象,需要一个使用一个就可以,这样的话,可以用生成器来实现:
>>> def fun_gen(): index = 1 while index < 100000000: if index % 2 == 0: yield index index += 1 >>> fun_gen() <generator object fun_gen at 0x00000222dc2f4360> >>> g = fun_gen() >>> next(g) 2 >>> next(g) 4 >>> next(g) 6
看到了吗?对生成器没执行一次next()方法,就会返回一个元素,这样的话无论在速度上还是机器性能消耗上都会好很多。如果你还没感受到生成器的优势,我再说一个应用场景,假如需要取出远程数据库中的100万条记录进行处理,如果一次性获取所有记录,网络带宽、内存都会有很大消耗,但是如果使用生成器,就可以取一条,就在本地处理一条。
不过,生成器也有不足,正因为采用了惰性计算,你不会知道下一个元素是什么,更不会知道后面还有多少元素,所以,对于列表、元组等结构,我们能调用len()方法获知长度,但是对于生成器却不能。
总结一下迭代器与生成器的异同:
(1)生成器是一种特殊的迭代器,拥有迭代器的所有特性;
(2)迭代器使用return返回值而生成器使用yield返回值每一次对生成器执行next()都会在yield处暂停;
(3)迭代器和生成器虽然都执行next()方法时返回下一个元素,迭代器在实例化前就已知所有元素,但是采用惰性计算机制,共有多少元素,下一个元素是什么都是未知的,每一次对生成器对象执行next()方法才会产生下一个元素。
3.2 生成器解析式
使用过列表解析式吗?语法格式为:[返回值 for 元素 in 可迭代对象 if 条件]
看下面代码:
>>> li = [] >>> for i in range(5): if i%2==0: li.append(i**2) >>> li [0, 4, 16]
我们可以用列表解析式实现同样功能:
>>> li = [i**2 for i in range(5) if i%2==0] >>> li [0, 4, 16] >>> type(li) <class 'list'>
很简单对不对?简洁了很多,返回的li就是一个列表。咳咳……偏题了,我们要说的是生成器解析式,而且我相信打开我这篇博文的同学大多都熟悉列表解析式,回归正题。
生成器解析式语法格式为:(返回值 for 元素 in 可迭代对象 if 条件)
你没看错,跟列表解析式相比,生成器解析式只是把方括号换成了原括号。来感受一下:
>>> g = (i**2 for i in range(5) if i%2==0) >>> g <generator object <genexpr> at 0x00000222dc2f4468> >>> next(g) 0 >>> next(g) 4 >>> next(g) 16 >>> next(g) traceback (most recent call last): file "<pyshell#38>", line 1, in <module> next(g) stopiteration
可以看到,生成器解析式返回的就是一个生成器对象,换句话说生成器解析式是生成器的一种定义方式,这种方式简单快捷,当然实现的功能不能太复杂。
4 总结
本文全面总结了python中可迭代对象、迭代器、生成器知识,我相信,只要你认真消化我这篇博文,就能深刻领悟迭代器生成器。