Python进阶——什么是迭代器?

·  阅读 634
Python进阶——什么是迭代器?

关注「水滴与银弹」公众号,第一时间获取优质技术干货。7年资深后端研发,用简单的方式把技术讲清楚。

阅读本文大约需要 12 分钟。

在 Python 开发中,我们经常听到有关「容器」、「迭代器」、「可迭代对象」、「生成器」的概念。

我们经常把这些概念搞混淆,它们之间有哪些联系和区别呢?

这篇文章,我们就来看一下它们之间的关系。

容器

首先,我们先来看一下容器是如何定义的?

简单来说,容器就是存储某些元素的统称,它最大的特性就是判断一个元素是否在这个容器内。

怎么理解这句话?

很简单,在 Python 中,我们通常使用 innot in 来判断一个元素存在/不存在于一个容器内。

例如下面这个例子:

print('x' in 'xyz')  # True
print('a' not in 'xyz')  # True
print(1 in [1, 2, 3])       # True
print(2 not in (1, 2, 3))  # False
print('x' not in {'a', 'b', 'c'}) # True
print('a' in {'a': 1, 'b': 2}) # True
复制代码

在这个例子中,我们可以看到 strlisttuplesetdict 都可以通过 innot in 来判断一个元素是否在存在/不存在这个实例中,所以这些类型我们都可以称作「容器」。

那为什么这些「容器」可以使用 innot in 来判断呢?

这是因为它们都实现了 __contains__ 方法。

如果我们也想自定义一个容器,只需像下面这样,在类中定义 __contains__ 方法就可以了:

class A:

    def __init__(self):
        self.items = [1, 2]

    def __contains__(self, item):
        return item in self.items

a = A()
print(1 in a)   # True
print(2 in a)   # True
print(3 in a)   # False
复制代码

在这个例子中,类 A 定义了 __contains__ 方法,所以我们就可以使用 1 in a 的方式去判断这个元素是否在 A 这个容器内。

换句话说,一个类只要实现了 __contains__ 方法,那么它就是一个「容器」。

我们在开发时,除了使用 in 判断元素是否在容器内之外,另外一个常用的功能是:输出容器内的所有元素。

例如执行 for x in [1, 2, 3],就可以迭代出容器内的所有元素。

那使用这种方式输出元素,是如何实现的?这就跟「迭代器」有关了。

迭代器

一个对象要想使用 for 的方式迭代出容器内的所有数据,这就需要这个类实现「迭代器协议」。

也就是说,一个类如果实现了「迭代器协议」,就可以称之为「迭代器」。

什么是「迭代器协议」呢?

在 Python 中,实现迭代器协议就是实现以下 2 个方法:

  • __iter__:这个方法返回对象本身,即 self
  • __next__:这个方法每次返回迭代的值,在没有可迭代元素时,抛出 StopIteration 异常

下面我们来看一个实现迭代器协议的例子:

# coding: utf8

class A:
    """A 实现了迭代器协议 它的实例就是一个迭代器"""
    def __init__(self, n):
        self.idx = 0
        self.n = n

    def __iter__(self):
        print('__iter__')
        return self

    def __next__(self):
        if self.idx < self.n:
            val = self.idx
            self.idx += 1
            return val
        else:
            raise StopIteration()

# 迭代元素
a = A(3)
for i in a:
    print(i)
# 再次迭代 没有元素输出 因为迭代器只能迭代一次
for i in a:
    print(i)

# __iter__
# 0
# 1
# 2
# __iter__
复制代码

在这个例子中,我们定义了一个类 A,它内部实现了 __iter____next__ 方法。

其中 __iter__ 方法返回了 self__next__ 方法实现了具体的迭代细节。

然后执行 a = A(3),在执行 for i in a 时,我们看到调用了 __iter__ 方法,然后依次输出 __next__ 中的元素。

其实在执行 for 循环时,实际执行流程是这样的:

  1. for i in a 相当于执行 iter(a)
  2. 每次迭代时会执行一次 __next__ 方法,返回一个值
  3. 如果没有可迭代的数据,抛出 StopIteration 异常,for 会停止迭代

但是请注意,当我们迭代完 for i in a 时,如果再次执行迭代,将不会有任何数据输出。

如果我们想每次执行都能迭代元素,只需每次迭代一个新对象即可:

# 每次都迭代一个对象
for i in A(3):
    print(i)
复制代码

可迭代对象

明白了「迭代器」是如何执行的,我们接着来看什么是「可迭代对象」?

这是什么意思?难道一个类是「迭代器」,那么它的实例不是一个「可迭代对象」吗? 它们之间又有什么区别?

其实,但凡是可以返回一个「迭代器」的对象,都可以称之为「可迭代对象」。

换句话说:__iter__ 方法返回一个迭代器,那么这个对象就是「可迭代对象」。

听起来不太好理解,我们来看一个例子。

class A:
    # A是迭代器 因为它实现了 __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()

class B:
    # B不是迭代器 但B的实例是一个可迭代对象
    # 因为它只实现了 __iter__
    # __iter__返回了A的实例 迭代细节交给了A
    def __init__(self, n):
        self.n = n

    def __iter__(self):
        return A(self.n)

# a是一个迭代器 同时也是一个可迭代对象
a = A(3)
for i in a:
    print(i)
# <__main__.A object at 0x10eb95550>
print(iter(a))

# b不是迭代器 但它是可迭代对象 因为它把迭代细节交给了A
b = B(3)
for i in b:
    print(i)
# <__main__.A object at 0x10eb95450>
print(iter(b))
复制代码

仔细看这个例子,我们定义了 2 个类 ABA 实现了 __iter____next__ 方法。

B 只实现了 __iter__,并没有实现 __next__,而且它的 __iter__ 返回值是一个 A 的实例。

对于 A 来说:

  • A 是一个「迭代器」,因为其实现了迭代器协议 __iter____next__
  • 同时 A__iter__ 方法返回了实例本身 self,也就是说返回了一个迭代器,所以 A 的实例 a 也是一个「可迭代对象」

对于B 来说:

  • B 不是一个「迭代器」,因为它只了实现 __iter__,没有实现 __next__
  • 由于 B__iter__ 返回了 A 的实例,而 A 是一个迭代器,所以 B 的实例 b 是一个「可迭代对象」,换句话说,B 把迭代细节交给了 A

总之,一个类的迭代细节,是可以交给另一个类的,就像这个例子的 B 这样,所以 B 的实例只能是「可迭代对象」,而不是「迭代器」。

其实,这种情况我们见的非常多,我们使用最多的 listtuplesetdict 类型,都只是「可迭代对象」,但不是「迭代器」,因为它们都是把迭代细节交给了另外一个类,这个类才是真正的迭代器。

看下面这个例子,你就能明白这两者之间的差别了。

# list 是可迭代对象
>>> l = [1, 2]
# list 的迭代器是 list_iterator
>>> iter(l)
<list_iterator object at 0x1009c1c18>
# 执行的是 list_iterator 的 __next__
>>> iter(l).__next__()
>>> 1

# tuple 是可迭代对象
>>> t = ('a', 'b')
# tuple 的迭代器是 tuple_iterator
>>> iter(t)
<tuple_iterator object at 0x1009c1b00>
# 执行的是 tuple_iterator 的 __next__
>>> iter(t).__next__()
>>> a

# set 是可迭代对象
>>> s = {1, 2}
# set 的迭代器是 set_iterator
>>> iter(s)
<set_iterator object at 0x1009c70d8>
# 执行的是 set_iterator 的 __next__
>>> iter(s).__next__()
>>> 1

# dict 是可迭代对象
>>> d = {'a': 1, 'b': 2}
# dict 的迭代器是 dict_keyiterator
>>> iter(d)
# 执行的是 dict_keyiterator 的 __next__
<dict_keyiterator object at 0x1009c34f8>
>>> iter(d).next()
>>> a
复制代码

list 类型为例,我们先定义 l = [1, 2],然后执行 iter(l) 得到 list 类型的迭代器是 list_iterator,也就是说在迭代 list 时,其实执行的是 list_iterator__next__list 把具体的迭代细节,交给了 list_iterator

所以 list 是一个可迭代对象,但它不是迭代器。其他类型 tuplesetdict 也是同样的道理。

由此我们可以得出一个结论:迭代器一定是个可迭代对象,但可迭代对象不一定是迭代器。

生成器

我们再来看什么是「生成器」?

其实,「生成器」是一个特殊的「迭代器」,并且它也是一个「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

用生成器表达式创建一个生成器的例子如下:

# 创建一个生成器 类型是 generator
>>> g = (i for i in range(5))
>>> g
<generator object <genexpr> at 0x101334f50>
# 生成器就是一个迭代器
>>> iter(g)
<generator object <genexpr> at 0x101334f50>
# 生成器也是一个可迭代对象
>>> for i in g:
...     print(i)
# 0 1 2 3 4
复制代码

注意看这个例子,我们使用 g = (i for i in range(5)) 创建了一个生成器,它的类型是 generator,同时调用 iter(g) 可以得知 __iter__ 返回的是实例本身,即生成器也是一个迭代器,并且它也是一个可迭代对象。

再来看用函数创建一个生成器:

def gen(n):
    for i in range(n):
        yield i

# 创建一个生成器
g = gen(5)
# <generator object gen at 0x10bb46f50>
print(g)
# <type 'generator'>
print(type(g))

# 迭代这个生成器
for i in g:
    print(i)
# 0 1 2 3 4
复制代码

在这个例子中,我们在函数中使用 yield 关键字。其实,包含 yield 关键字的函数,不再是一个普通的函数,而返回的是一个生成器。它在功能上与上面的例子一样,可以迭代生成器中的所有数据。

通常情况下,我们习惯在函数内使用 yield 的方式来创建一个生成器。

但是,使用生成器迭代数据相比于普通方式迭代数据,有什么优势呢?

这就要来看一下使用 yield 的函数和使用 return 的普通函数,有什么区别了。

使用 yield 的函数与使用 return 的函数,在执行时的差别在于:

  • 包含 return 的方法会以 return 关键字为最终返回,每次执行都返回相同的结果
  • 包含 yield 的方法一般用于迭代,每次执行时遇到 yield 就返回 yield 后的结果,但内部会保留上次执行的状态,下次继续迭代时,会继续执行 yield 之后的代码,直到再次遇到 yield 后返回

当我们想得到一个集合时,如果使用普通方法,只能一次性创建出这个集合,然后 return 返回:

def gen_data(n):
    # 创建一个集合
    return [i for i in range(n)]
复制代码

但如果此时这个集合中的数据非常多,我们就需要在内存中一次性申请非常大的内存空间来存储。

如果我们使用 yield 生成器的方式迭代这个集合,就能解决内存占用大的问题:

for gen_data(n):
    for i in range(n):
        # 每次只返回一个元素
        yield i
复制代码

使用生成器创建这个集合,只有在迭代执行到 yield 时,才会返回一个元素,在这个过程中,不会一次性申请非常大的内存空间。当我们面对这种场景时,使用生成器就非常合适了。

其实,生成器在 Python 中还有很大的用处,我会在后面的文章讲解 yield 时,再进行详细的分析。

总结

总结一下,这篇文章我们主要分析了 Python 中「容器」、「迭代器」、「可迭代对象」、「生成器」的联系和区别,用一张图表示它们的关系:

如果一个类实现了 __iter____next__ 方法,那么它就是一个迭代器。如果只是实现了 __iter__,并且这个方法返回的是一个迭代器类,那么这个类的实例就只是一个可迭代对象,因为它的迭代细节是交给了另一个类来处理。

像我们经常使用的 listtuplesetdict 类型,它们并不是迭代器,只能叫做可迭代对象,它们的迭代细节都是交给了另一个类来处理的。由此我们也得知,一个迭代器一定是一个可迭代对象,但可迭代对象不一定是迭代器。

而生成器可以看做是一个特殊的迭代器,同时它也是一个可迭代对象。使用生成器配合 yield 使用,我们可以实现懒惰计算的功能,同时,我们也可以用非常小的内存,来迭代一个大集合中的数据。

我的 Python 进阶系列文章:

爬虫系列文章:

想看更多硬核技术文章?关注「水滴与银弹」公众号,第一时间获取优质技术干货。7年资深后端研发,用简单的方式把技术讲清楚。

分类:
后端
标签:
收藏成功!
已添加到「」, 点击更改