迭代器与生成器一、迭代器 1.1 相关概述迭代是 Python 最强大的功能之一，是访问集合元素的一种方式。迭代器是

一、迭代器

1.1 相关概述

迭代是 Python 最强大的功能之一，是访问集合元素的一种方式。
迭代器是一个可以记住遍历的位置的对象。
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
迭代器有两个基本的方法：iter() 和 next()。

1.2 基本使用

字符串，列表或元组对象都可用于创建迭代器：

# iter():创建迭代器。
it = iter([1, 2, 3, 4])

# next():访问迭代器的下一元素。
print(next(it))
# 1
print(next(it))
# 2

# 也可以 for 循环遍历下一元素。
for e in it:
    print(f"e={e}")
    # e=3
    # e=4

另一种遍历方式：

import sys

# iter():创建迭代器。
it = iter([1, 2, 3, 4])

while True:
    try:
        print(next(it))
        # 1
        # 2
        # 3
        # 4
    except StopIteration:
        sys.exit()

1.3 自定义迭代器

把一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__() 。
__iter__() 方法返回一个特殊的迭代器对象，这个迭代器对象实现了 __next__() 方法并通过 StopIteration 异常标识迭代的完成。
__next__() 方法会返回下一个迭代器对象。
代码示例：

class Sample:
    def __iter__(self):
        self.n = 0
        return self

    def __next__(self):
        # 初始值。
        x = self.n
        self.n += 1
        return x


sample = Sample()
it = iter(sample)
# 迭代两次。
print(next(it))
# 0
print(next(it))
# 1

通过 StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况：

class Sample:
    def __iter__(self):
        self.n = 0
        return self

    def __next__(self):
        # 限制迭代次数。
        if self.n < 3:
            x = self.n
            self.n += 1
            return x
        else:
            raise StopIteration


sample = Sample()
it = iter(sample)

for e in it:
    print(e)
    # 0
    # 1
    # 2

二、生成器

2.1 相关概述

在 Python 中，使用了 yield 的函数被称为生成器（ generator ）。
yield 是一个关键字，用于定义生成器函数，生成器函数是一种特殊的函数，可以在迭代过程中逐步产生值，而不是一次性返回所有结果。
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
当在生成器函数中使用 yield 语句时，函数的执行将会暂停，并将 yield 后面的表达式作为当前迭代的值返回。
然后，每次调用生成器的 next() 方法或使用 for 循环进行迭代时，函数会从上次暂停的地方继续执行，直到再次遇到 yield 语句。这样，生成器函数可以逐步产生值，而不需要一次性计算并返回所有结果。
调用一个生成器函数，返回的是一个迭代器对象。

2.2 基本使用

代码示例：

def countdown(n):
    while n > 0:
        # 关键字。
        yield n
        n -= 1


# 创建生成器对象。
generator = countdown(5)

# 通过迭代生成器获取值。
print(f"by generator {next(generator)}")
print(f"by generator {next(generator)}")
# by generator 5
# by generator 4

# 使用 for 循环迭代生成器。
for value in generator:
    print(f"by for {value}")
    # by for 3
    # by for 2
    # by for 1

示例说明：
- countdown() 函数是一个生成器函数，yield 语句逐步产生从 n 到 1 的倒数数字。
- 在每次调用 yield 语句时，函数会返回当前的倒数值，并在下一次调用时从上次暂停的地方继续执行。
- 生成器函数的优势是它们可以按需生成值，避免一次性生成大量数据并占用大量内存。
- 生成器还可以与其他迭代工具（如 for 循环）无缝配合使用，提供简洁和高效的迭代方式。

2.3 三种应用场景

定义一个容器类的可迭代对象，为该对象实现 __iter__() 接口：

class MyData:
    @property
    def size(self):
        """
        可以得到数据的大小。
        :return:
        """
        return self.size

    def get_value(self, index):
        """
        假设可以通过索引按顺序得到数据。
        :param index:
        :return:
        """
        return index

    def __iter__(self):
        """
        可迭代对象。
        :return:
        """
        # index 为局部变量。
        index = -1
        # 设定完成的条件。
        while index < 2:
            index += 1
            yield self.get_value(index)


if __name__ == '__main__':
    # 这里的 mydata 是可迭代对象而非迭代器。
    mydata = MyData()

定义一个处理其它可迭代对象的迭代器：

COLOR_LIST = ["red", "blue", "green"]


def my_color_generate(colors):
    for color in colors:
        # 如果是红蓝绿就跳过。
        if color in COLOR_LIST:
            continue
        # 粉色则生成两次。
        elif "pink" == color:
            yield color * 2
        # 其余颜色生成一次。
        else:
            yield color


colors = ["blue", "yellow", "pink"]
for c in my_color_generate(colors):
    print(c)
    # yellow
    # pinkpink

定义一个不依赖数据存储的数据生成器：参考本章节 - < 2.2 基本使用的代码示例>

三、yield 和 class 定义的迭代器对比

动作	class 实现的迭代器	yield 生成器
定义迭代器	class Iterator: def __init__(self, *args):	def iter_fun(*args):
构建迭代器	Iterator(args)	iter_fun(args)
next(iterator)	def __next__(self): return value	yield value
StopIteration	raise StopIteration	return
iter(iterator)	def __iter__(self): return self	自动实现

四、结束语

“-------怕什么真理无穷，进一寸有一寸的欢喜。”

微信公众号搜索：饺子泡牛奶。