python：迭代器 生成器 可迭代对象 容器

容器

 

容器就是一个用来存储多个元素的数据结构，常见的容器包括【列表】、【元组】、【字典】、【集合】、【字符串】

容器有两个特点：

1. 容器中的元素可通过迭代获取

    2. 所有容器中的元素被存储在内存中。

可迭代对象

实现了__iter__方法的对象就叫做可迭代对象。直观理解就是能用for循环进行迭代的对象就是可迭代对象。

如：字符串，列表，元祖，字典，集合等等，都是可迭代对象。

iter()：将可迭代对象转为迭代器

import sys

mylist1 = [1,3,4,6,7,8,'osaiduhgfoiuydsfhguy','adsuygfydshgf','654856465',88,90,344]
print(type(mylist1))
print(len(mylist1))
print(sys.getsizeof(mylist1))   #输出list占用内存空间

myiter1= iter(mylist1)  #将list转为迭代器

print(type(myiter1))
print(sys.getsizeof(myiter1))   #输出迭代器占用内存空间

》》
<class 'list'>
12
160
<class 'list_iterator'>
56

迭代器：

任何实现了__iter__() 和 __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。而且，迭代器不会一次性吧所有元素都加载到内存，而是需要的时候才返回结果。　

调用next()方法的时候返回容器中的下一个值，

迭代器每次调用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. 生成当前调用的返回结果。

class Myiterator():
    #迭代器求斐波那契数列
    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

 

为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

 

使用场景

优点：省内存，不需要向列表那样存储整个数据

 

生成器：

生成器是一种特殊的迭代器。特殊在我们可以通过send()方法像生成器中传入数据，而迭代器只能将数据输出。生成器一定是迭代器（反之不成立）

其主要的特点有：

1、拥有yield关键字的函数就是生成器函数，生成器拥有迭代器的迭代传出数据的功能，但用关键字yield来替代迭代器中的__next__()方法来实现。

2、生成器可以传入数据（使用send()）进行计算(不同于迭代器)，并根据变量内容计算结果后返回。

3、迭代器不会一次把所有的元素加载到内存，而是调用的时候才生成返回结果(这点相同于迭代器)

4、可以通过for循环进行迭代(因为生成器是迭代器)

 

总结：生成器是一种特殊的迭代器，其具有传入数据的功能。

python两种方式提供生成器：

1. 生成器函数：

1. 使用yield语句而不是return语句返回结果
2. yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重新在挂起的地方继续执行。函数中可以有多个yield，每个yield都会挂起一次

    3.在for 循环中迭代，或使用next(iterobject,defalt)函数

 

1. 生成器表达式：类似于列表推导式，但是，生成器返回按需要产生结果的一个队想，而不是一次构建整个结果列表

列表推导式： squares = [x**2 for x in range(5)]   #squres = [0,1,4,9,16]

换成圆括号--生成器： squares = (x**2 for x in range(5))

next(squares)  # 0

next(squares)  # 1

使用方法

启动：生成器的启动需要用next(xx)，或xx.send(None)

 

Send()

实际上next()和send()在一定意义上作用是相似的，区别是send()可以传递yield表达式的值进去，而next()不能传递特定的值，只能传递None进去。因此，我们可以看做c.next() 和 c.send(None) 作用是一样的。

 

 

解析：

1.第一次执行只执行到yield右侧 并返回yield右侧的值

2.send() 把参数传递给temp，并让生成器执行一次到yield右侧，接收返回值

 

 

使用场景

优点：Python使用生成器对延迟操作提供了支持.所谓延迟操作,是指在需要的时候才产生结果,而不是立即产生结果.

1. 当需要创建一个包含一百万元素的列表时，使用列表定义是不现实的，列表元素可以用算法推算出来后，节省大量内存空间，适合使用生成器。

 

迭代器与生成器区别

1. 生成器属于迭代器，但是生成器可以传参数（send()），迭代器不行
2. 迭代器是一个对象，需要定义迭代器类来实例化。
3. 生成器是一个对象，用带yield的函数返回

 

 

参考：

https://www.cnblogs.com/thesong/p/10925804.html