迭代器
最后更新于:2022-04-01 01:13:15
我们已经知道,可以直接作用于`for`循环的数据类型有以下几种:
一类是集合数据类型,如`list`、`tuple`、`dict`、`set`、`str`等;
一类是`generator`,包括生成器和带`yield`的generator function。
这些可以直接作用于`for`循环的对象统称为可迭代对象:`Iterable`。
可以使用`isinstance()`判断一个对象是否是`Iterable`对象:
~~~
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
~~~
而生成器不但可以作用于`for`循环,还可以被`next()`函数不断调用并返回下一个值,直到最后抛出`StopIteration`错误表示无法继续返回下一个值了。
可以被`next()`函数调用并不断返回下一个值的对象称为迭代器:`Iterator`。
可以使用`isinstance()`判断一个对象是否是`Iterator`对象:
~~~
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
~~~
生成器都是`Iterator`对象,但`list`、`dict`、`str`虽然是`Iterable`,却不是`Iterator`。
把`list`、`dict`、`str`等`Iterable`变成`Iterator`可以使用`iter()`函数:
~~~
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
~~~
你可能会问,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。
`Iterator`甚至可以表示一个无限大的数据流,例如全体自然数。而使用list是永远不可能存储全体自然数的。
### 小结
凡是可作用于`for`循环的对象都是`Iterable`类型;
凡是可作用于`next()`函数的对象都是`Iterator`类型,它们表示一个惰性计算的序列;
集合数据类型如`list`、`dict`、`str`等是`Iterable`但不是`Iterator`,不过可以通过`iter()`函数获得一个`Iterator`对象。
Python的`for`循环本质上就是通过不断调用`next()`函数实现的,例如:
~~~
for x in [1, 2, 3, 4, 5]:
pass
~~~
实际上完全等价于:
~~~
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
~~~
### 参考源码
[do_iter.py](https://github.com/michaelliao/learn-python3/blob/master/samples/advance/do_iter.py)