python迭代器与生成器详解
__iter__和__next__
先看一个开发中常见的for循环的应用：
a=[1,2,3]for i in a: print(i)123a是一个列表，自身也是一个迭代器（iterator）；for循环可能遍历的肯定是iterator,在遍历时会默认调用迭代器的iter()办法，将其显示进去，即等价于：
for i in iter(a): print(i)123在了解迭代器之前，必须要了解魔法办法__iter__和__next__的调用。下面例子iter(a)的背地就是调用对象a的__iter__办法，即a.__iter__();
iter(a)返回的是什么？返回的是一个外部实现了__next__()办法的对象，每次调用__next__()来弹出下一个值，以此来实现遍历。
举例：
class A(object): def __init__(self,a): self.a=a def __next__(self): print('this is next') if self.a<6: self.a+=1 return self.a else: raise StopIteration class B(object): def __init__(self): pass def __iter__(self): print('this is iter') return A(a=0) >>>b=B()>>>for i in b:#实质上是调用iter(b)，或者b.__iter__();返回了一个实现了__next__办法的实例对象。>>> print(i) this is iter#首先调用iter(b)this is next#调用A的next，返回值为以后的i。1this is next2this is next3this is next4this is next5this is next6this is next#for 循环会主动捕捉StopIteration异样。值得注意的是两个概念：
- 可迭代对象（Iterable）：类中实现了
__iter__的就能够叫iterable了，个别__iter__返回的是一个实现了__next__办法的对象实例。这一点不强制。如果本人自身就实现了__next__办法，天然就能够返回self。 - 迭代器(Iterator)：类中实现了
__iter__和__next__办法的对象。短少任何一个都不能叫iterator;迭代器天然也是一个iterable。
如下面A,B两个类的实例对象，A(0)既不是Iterable也不是Iterator；B()是Iterable但不是Iterator
from collections.abc import Iterable,Iterator>>>isinstance(a, Iterable)False>>>isinstance(a, Iterator)False>>>isinstance(b, Iterable)True>>>isinstance(b, Iterator)Falsepython中内置的可迭代对象：列表、元组、字典、汇合字符串和open()关上的文件等都是；留神这些都不是迭代器Iterator;因为对于迭代器，咱们不能提前晓得序列的长度，只能一直通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在须要返回下一个数据时它才会计算。而显著列表、元组、字典等咱们是能够把握全局信息的。
迭代器Iterator
依据__iter__和__next__来定义本人的迭代器：
class Myrange(object): def __init__(self,stop,start=0): self.start=start self.stop=stop def __iter__(self): return self def __next__(self): if self.start<self.stop: res=self.start self.start+=1 else: raise StopIteration return res for i in Myrange(3): print(i) 012>>>isinstance(Myrange(3),Iterable)True>>>isinstance(Myrange(3),Iterator)True>>>type(Myrange(3))<class '__main__.Myrange'>生成器
python提供了一种非凡的yield办法，来使函数对象间接转换为一个迭代器。生成器就是一类非凡的迭代器。每当程序执行到yield的时候，程序就暂停在这里，处于挂起状态，而后把返回的货色返回当前，再继续执行原来的程序。
def func(end): start=0 while start<end: yield start start+=1from collections.abc import Iterable,Iterator>>>print(isinstance(func(3),Iterator))>>>print(isinstance(func(3),Iterable))>>>for i in func(3):>>> print(i) True#是一个可迭代对象True#是一个迭代器012>>>a=func(4)>>>print(next(a))>>>print(a.__next__())01>>>print(type(a))<class 'generator'>>>>print(isinstance(a,Generator))#也是一个生成器类型。<class 'generator'>从迭代器或者生成器的原理能够看到，其最大的特点就是能够节俭内存。同样遍历一个有100000万条整数的列表和生成器，耗费的内存是齐全不一样的。列表须要全副把物理空间开辟出来来先保留这些数据，而生成器以此只须要保留一个数据即可。
import sys>>>a=range(1000000)>>>sys.getsizeof(a)48>>>b=list(range(1000000))>>>sys.getsizeof(b)8000056而生成器应用的场景有节俭内存的益处，有个前提就是咱们可能依照某种算法推算出来，在循环的过程中一直推算出后续想要的元素。
总结
- 实现了
__iter__办法的对象为可迭代对象(Iterable)，常见的Iterable有list,dict,tuple,range等；同时实现了__iter__和__next__办法的为迭代器(Iterator)；函数中利用yield关键字的对象为生成器（Generator），生成器也是一种迭代器和可迭代对象。 - 迭代器Iterator、生成器Generator都须要通过for循环，或者手动调用next()来一一获取其外部值
- 迭代器、生成器的应用能够节俭内存，但前提是咱们可能依照某种算法推算出来，在循环的过程中一直推算出后续想要的元素。
- 生成器的其它应用场景能够参考https://www.zhihu.com/questio...
- 最初，容器、迭代器、生成器、可迭代对象的关系能够用下图总结：