文章来源：Python技术进阶——迭代器、可迭代对象、生成器
容器（container）、可迭代对象（iterable）、迭代器（iterator）、生成器（generator）的关系如下图：
- list、set、tuple、dict都是容器
- 容器通常是一个可迭代对象
- 但凡可以返回一个迭代器的对象，都称之为可迭代对象
-
迭代器是一个可迭代对象，但反之不一定
- 实现了迭代器协议方法的称作一个迭代器
- 生成器是一种特殊的迭代器
容器
是存储多个值（对象）的数据类型，如list,tuple,set,dict等都是容器，容器是实现了__contains__ 方法的类，从而可以用in或not in语法得知某个元素是否在容器内。
print (1 in [1, 2, 3]) # True
print (2 not in (1, 2, 3) ) # False
print ('a' in ('a', 'b', 'c') ) # True
print ('x' in 'xyz' ) # True
print ('a' not in 'xyz') # True
True
False
True
True
True
可以如下实现一个容器（即实现__contains__ 方法）:’
class A(object):
def __init__(self):
self.items = [1, 2]
def __contains__(self, item): # x in y
return item in self.items
a = A()
print (1 in a ) # True
print (2 in a ) # True
print (3 in a ) # False
但这个容器类不能通过for循环输出该容器对象的所有元素,即下面代码不能执行
for e in A:
print(e)
执行该代码，显示的错误为
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-4-28f7391429f9> in <module>()
----> 1 for e in A:
2 print(e)
TypeError: 'type' object is not iterable
表示这不是一个可迭代（iterable）的对象,要使得该容器对象能迭代，必须实现一个__iter__ 方法 并通过这个方法返回一个迭代器对象 。
可迭代的
是一个可通过__iter__ 方法返回一个迭代器 对象的类。该类的对象称为”可迭代对象“。
对于一个可迭代对象,可以使用 for 来循环遍历其中的元素。比如常见的 list、set和dict。可以用以下isinstance方法来测试对象是否是可迭代（Iterable）
from collections import Iterable
print( isinstance('abc', Iterable) ) # str是否可迭代
print( isinstance([1,2,3], Iterable) ) # list是否可迭代
print( isinstance(123, Iterable) ) # 整数是否可迭代
输出：
True
True
False
迭代器
实现了__iter__ 和__next__ 方法的类。 例如下面定义了名为B的迭代器类。
class B(object):
"""这个类是个迭代器，因为实现了__iter__和next方法"""
def __init__(self, n):
self.idx = 0
self.n = n
def __iter__(self):
return self
def __next__(self):
if self.idx < self.n:
val = self.idx
self.idx += 1
return val
else:
raise StopIteration()
迭代器 类的 __iter__ 方法都返回自身“return self”。即返回一个“ 可迭代的对象 ”
既然迭代器类也包含了 __iter__,所以迭代器也是一个可迭代的，但可迭代的不一定是迭代器
例如下面的A是一个可迭代的 类，通过__iter__ 返回了一个迭代器对象 ”即B类的对象.
class A(object):
"""
A的实例不是迭代器，因为只A实现了__iter__
但这个类的实例是一个可迭代对象
因为__iter__返回了B的实例，也就是返回了一个迭代器，因为B实现了迭代器协议
返回一个迭代器的对象都被称为可迭代对象
"""
def __init__(self, n):
self.n = n
def __iter__(self):
return B(self.n)
即A类的__iter__ 返回的迭代器对象是B类的对象。因此，B类对象既是迭代器对象又是可迭代对象，而A类对象仅仅是可迭代对象而不是迭代器对象。
下面代码
b = B(3) # b是一个迭代器，同时b是一个可迭代对象
for i in b:
print (i)
print (iter(b))
a = A(3) # a不是迭代器，但a是可迭代对象，它把迭代细节交给了B，B的实例是迭代器
for i in a:
print (i)
print (iter(a) )
输出
0
1
2
<__main__.B object at 0x00000250BC154208>
0
1
2
<__main__.B object at 0x00000250BC099F98>
上述的for循环中就是调用next 函数得到迭代器对象（即将迭代器对象传给next 函数）的下一个值的。
可以调用next 函数作用于一个迭代器对象，得到该迭代器对象中的下一数据元素的值，但不能将next 函数作用于一个可迭代对象。
b = B(5)
a = A(5)
print(next(b))
print(next(a))
输出为
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-23-44d8a918ee80> in <module>()
2 a = A(5)
3 print(next(b))
----> 4 print(next(a))
TypeError: 'A' object is not an iterator
我们熟悉的内置类型对象list、tuple、set、dict，都是可迭代对象，但不是一个迭代器，因为其内部都把迭代细节交给了另外一个类，这个类才是真正的迭代器：
生成器
生成器是特殊的迭代器，它也是个可迭代对象。
有2种方式可以创建一个生成器：
- 生成器表达式
- 生成器函数
生成器表达式
类似于 列表表达式(综合式)，即将 列表表达式的```[]``换成了```()```。例如
g = (i for i in range(5)) # 创建一个生成器
print(g)
it = iter(g) # 生成器就是一个迭代器
print(it)
输出
<generator object <genexpr> at 0x00000250BC1049E8>
<generator object <genexpr> at 0x00000250BC1049E8>
生成器也是一个可迭代对象,当然可以用for遍历它
for i in g: # 生成器也是一个可迭代对象
print (i)
生成器函数:
包含yield关键字的函数.
# 生成器函数
def gen(n):
for i in range(n):
yield i
g = gen(5) # 创建一个生成器
print (g)
print ( type(g) ) # <type 'generator'>
# 迭代
for i in g:
print (i)
输出
<generator object gen at 0x00000250BC142728>
<class 'generator'>
0
1
2
3
4
这个函数与包含return的函数执行机制不同：
- 包含return的方法会以return关键字为终结返回，每次执行都返回相同的结果
- 包含yield的方法一般用于迭代，每次执行遇到yield即返回yield后的结果，但内部会保留上次执行的状态，下次迭代继续执行yield之后的代码，直到再次遇到yield并返回
当我们想得到一个很大的集合时，如果使用普通方法，一次性生成出这个集合，然后return返回：
def gen_data(n):
return [i for i in range(n)] # 一次性生成大集合
但如果这个集合非常大时，就需要在内存中一次性占用非常大的内存。
使用yield能够完美解决这类问题，因为yield是懒惰执行的，一次只会返回一个值：
def gen_data(n):
for i in range(n):
yield i # 每次只生成一个元素
然后，这样使用它
for e in gen_data(8):
print(e)
输出为：
0
1
2
3
4
5
6
再如，我们可以写出斐波拉契数列的生成器函数
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
然后这样使用
for a in fib(8):
print(a)
输出为
1
1
2
3
5
8
13
21
参考：
支付宝打赏
微信打赏
您的打赏是对我最大的鼓励！
