Python高级特性：迭代器与可迭代对象完全指南Python高级特性：迭代器与可迭代对象完全指南前言迭代是Pytho

Python高级特性：迭代器与可迭代对象完全指南

深入理解Python的迭代协议

前言

迭代是Python编程中的核心概念，而**迭代器（Iterator）和可迭代对象（Iterable）**是支撑这一概念的基石。理解它们的区别与联系，对于编写高效、Pythonic的代码至关重要，尤其是在处理大数据集或需要惰性计算的场景中。

📚 本文内容基于：道满PythonAI - 迭代器教程

一、可迭代对象 (Iterable)

1.1 什么是可迭代对象？

可迭代对象是指可以直接作用于for循环的对象。在Python中，常见的可迭代对象包括：

集合数据类型：list、tuple、dict、set、str
生成器：生成器表达式和带有yield的生成器函数

1.2 检查可迭代性

可以使用isinstance()和collections.abc.Iterable来判断一个对象是否是可迭代的：

from collections.abc import Iterable

# 测试各种数据类型
print(isinstance([], Iterable))        # True - 列表可迭代
print(isinstance({}, Iterable))        # True - 字典可迭代
print(isinstance('abc', Iterable))     # True - 字符串可迭代
print(isinstance((x for x in range(10)), Iterable))  # True - 生成器可迭代
print(isinstance(100, Iterable))       # False - 整数不可迭代

📌 记忆要点：几乎所有容器类型都是可迭代的，而单个数字、布尔值等不是。

二、迭代器 (Iterator)

2.1 什么是迭代器？

迭代器是更特殊的可迭代对象，它不仅可以用在for循环中，还可以被next()函数不断调用并返回下一个值，直到抛出StopIteration异常。

2.2 检查迭代器

可以使用isinstance()和collections.abc.Iterator来判断：

from collections.abc import Iterator

# 测试各种类型
print(isinstance((x for x in range(10)), Iterator))  # True - 生成器是迭代器
print(isinstance([], Iterator))        # False - 列表不是迭代器
print(isinstance({}, Iterator))        # False - 字典不是迭代器
print(isinstance('abc', Iterator))     # False - 字符串不是迭代器

2.3 将可迭代对象转为迭代器

可以使用iter()函数将可迭代对象转换为迭代器：

# 将列表转换为迭代器
print(isinstance(iter([]), Iterator))   # True
print(isinstance(iter('abc'), Iterator))  # True

# 实际使用示例
my_list = [1, 2, 3]
my_iterator = iter(my_list)
print(next(my_iterator))  # 1
print(next(my_iterator))  # 2
print(next(my_iterator))  # 3
# print(next(my_iterator))  # 抛出StopIteration

三、迭代器与可迭代对象的区别

特性	Iterable（可迭代对象）	Iterator（迭代器）
可用于`for`循环	✓	✓
可用于`next()`	✗	✓
惰性计算	✗	✓
表示无限序列	✗	✓
内存效率	低（一次性加载）	高（按需生成）
示例	`list`, `dict`, `str`	生成器, `iter()`结果

3.1 数据流特性

迭代器表示一个数据流，可以惰性计算，不需要预先知道序列长度。而可迭代对象（如列表）需要预先知道所有元素。

3.2 无限序列

迭代器可以表示无限序列（如全体自然数），而列表等集合类型不能：

class NaturalNumbers:
    """自然数无限序列迭代器"""
    def __iter__(self):
        self.n = 1
        return self
    
    def __next__(self):
        value = self.n
        self.n += 1
        return value

# 使用无限迭代器（需要手动停止）
numbers = NaturalNumbers()
for i, num in enumerate(numbers):
    if i >= 10:
        break
    print(num, end=' ')  # 1 2 3 4 5 6 7 8 9 10

四、`for`循环的实现原理

Python的for循环本质上是通过迭代器实现的。例如：

for x in [1, 2, 3, 4, 5]:
    print(x)

等价于：

# 获取迭代器对象
it = iter([1, 2, 3, 4, 5])

# 循环
while True:
    try:
        # 获取下一个值
        x = next(it)
        print(x)
    except StopIteration:
        # 遇到StopIteration退出循环
        break

💡 理解这一点：这就是为什么所有可迭代对象都可以用于for循环，而迭代器之所以能用于for循环，是因为它本身就实现了__iter__()方法返回自身。

五、实际应用建议

5.1 处理大数据集：使用迭代器节省内存

import sys

# 列表推导式 - 立即计算所有元素，占用大量内存
squares_list = [x*x for x in range(1000000)]
print(f"列表内存: {sys.getsizeof(squares_list)} bytes")

# 生成器表达式 - 惰性计算，几乎不占内存
squares_gen = (x*x for x in range(1000000))
print(f"生成器内存: {sys.getsizeof(squares_gen)} bytes")

5.2 自定义迭代器：实现`iter()`和`next()`方法

class CountDown:
    """倒计时迭代器"""
    def __init__(self, start):
        self.current = start
    
    def __iter__(self):
        return self
    
    def __next__(self):
        if self.current <= 0:
            raise StopIteration
        value = self.current
        self.current -= 1
        return value

# 使用自定义迭代器
for num in CountDown(5):
    print(num, end=' ')  # 5 4 3 2 1

5.3 生成器表达式：比列表推导式更节省内存

# 列表推导式 - 立即计算所有元素
squares_list = [x*x for x in range(1000)]

# 生成器表达式 - 惰性计算
squares_gen = (x*x for x in range(1000))

# 对于大量数据，生成器表达式内存效率更高
import sys
print(f"列表内存: {sys.getsizeof(squares_list)} bytes")
print(f"生成器内存: {sys.getsizeof(squares_gen)} bytes")

六、常见内置迭代器函数

函数	描述	示例
`iter()`	将可迭代对象转为迭代器	`iter([1,2,3])`
`next()`	获取迭代器的下一个值	`next(iterator)`
`enumerate()`	返回带索引的迭代器	`enumerate(['a','b'])`
`zip()`	并行聚合多个迭代器	`zip([1,2], ['a','b'])`
`map()`	对每个元素应用函数	`map(str, [1,2,3])`
`filter()`	过滤元素	`filter(lambda x: x>0, [-1,2,-3])`

七、总结

特性	Iterable（可迭代对象）	Iterator（迭代器）
可用于`for`循环	✓	✓
可用于`next()`	✗	✓
惰性计算	✗	✓
表示无限序列	✗	✓
可以重复迭代	✓	✗（一次性）
内存效率	低（一次性加载）	高（按需生成）
示例	`list`, `dict`, `str`	生成器, `iter()`结果

核心要点：

✅ 可迭代对象是实现了__iter__()方法的对象，可以被for循环遍历
✅ 迭代器是实现了__iter__()和__next__()方法的对象，支持惰性计算
✅ 所有迭代器都是可迭代对象，但反之不成立
✅ 使用iter()可以将可迭代对象转换为迭代器
✅ for循环的本质是不断调用next()直到StopIteration
✅ 处理大数据集时，优先使用迭代器以节省内存

理解迭代器和可迭代对象的区别，是掌握Python迭代协议的关键，也是写出高效、Pythonic代码的重要一步。

📚 相关推荐阅读

💡 Python 学习不走弯路！

体系化实战路线：基础语法 · 异步Web开发 · 数据采集 · 计算机视觉 · NLP · 大模型RAG实战
—— 全在 「道满PythonAI」！

如果这篇文章对你有帮助，欢迎点赞、评论、收藏，你的支持是我持续分享的动力！🎉

Python高级特性：迭代器与可迭代对象完全指南