Python教程

Python迭代器

本文主要是介绍Python迭代器,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

目录
  • 1.定义
    • 1.1 如何判断改对象是否是可迭代对象(iter)
    • 1.2 可迭代对象如何转化成迭代器
    • 1.3 迭代器取值
    • 1.4 结论
    • 1.5 可迭代对象与迭代器对比
  • 面试题

1.定义

从字面意思来说迭代器,是一个可以迭代取值的工具,器:在这里当做工具比较合适

从专业角度来说:迭代器是这样的对象:实现了无参数的__next__方法,返回序列中的下一个元素,如果没有元素了,那么抛出StopIteration异常.python中的迭代器还实现了__iter__方法,因此迭代器也可以迭代。 出自《流畅的python》

那么对于上面的解释有一些超前,和难以理解,不用过于纠结,我们简单来说:在python中,内部含有 'Iter'方法并且含有'next'方法的对象就是迭代器

1.1 如何判断改对象是否是可迭代对象(iter)

如果说一个数据类型内部含有__iter__此方法的就是可迭代对象

s1 = 'asdsad'
l1 = [1,2,3]
print('__iter__' in dir(s1))
print('__iter__' in dir(l1))
>>>
TRUE
TRUE
o1 = 'alex'
o2 = [1, 2, 3]
o3 = (1, 2, 3)
o4 = {'name': '太白','age': 18}
o5 = {1, 2, 3}
f = open('file',encoding='utf-8', mode='w')
print('__iter__' in dir(o1))  # Trueprint('__iter__' in dir(o2))  # Trueprint('__iter__' in dir(o3))  # Trueprint('__iter__' in dir(o4))  # Trueprint('__iter__' in dir(o5))  # Trueprint('__iter__' in dir(f))  # True
# hsagnprint('__next__' in dir(o1))  # Falseprint('__next__' in dir(o2))  # Falseprint('__next__' in dir(o3))  # Falseprint('__next__' in dir(o4))  # Falseprint('__next__' in dir(o5))  # Falseprint('__next__' in dir(f))  # True
f.close()

1.2 可迭代对象如何转化成迭代器

l1 = [1, 2, 3, 4, 5, 6]
obj = l1.__iter__() 
# 或者 iter(l1)print(obj) 
# <list_iterator object at 0x000002057FE1A3C8>

1.3 迭代器取值

可迭代对象是不可以一直迭代取值的(除去用索引,切片以及Key),但是转化成迭代器就可以了,迭代器是利用__next__()进行取值

l1 = [1, 2, 3,]
obj = l1.__iter__()  # 或者 iter(l1)
# print(obj)  # <list_iterator object at 0x000002057FE1A3C8>
ret = obj.__next__()
print(ret)
ret = obj.__next__()
print(ret)
ret = obj.__next__()
print(ret)
ret = obj.__next__()  # StopIteration
print(ret)
# 迭代器利用next取值:一个next取对应的一个值,如果迭代器里面的值取完了,还要next,
# 那么就报StopIteration的错误。

1.4 结论

从字面意思来说:迭代器就是可以迭代取值的工具。        
从专业角度来说:在python中,内部含有'Iter'方法并且含有'next'方法的对象就是迭代器。        
迭代器的优点:                
节省内存。
                    迭代器在内存中相当于只占一个数据的空间:因为每次取值都上一条数据会在内存释放,加载当前的此条数据。                
惰性机制。
                    next一次,取一个值,绝不过多取值。​        
有一个迭代器模式可以很好的解释上面这两条:迭代是数据处理的基石。扫描内存中放不下的数据集时,我们要找到一种惰性获取数据项的方式,即按需一次获取一个数据项。这就是迭代器模式。        
迭代器的缺点:            
不能直观的查看里面的数据。            
取值时不走回头路,只能一直向下取值。

l1 = [1, 2, 3, 4, 5, 6]
obj = iter(l1)

for i in range(2):
    print(next(obj))

for i in range(2):
    print(next(obj))

1.5 可迭代对象与迭代器对比

  • 可迭代对象

是一个私有的方法比较多,操作灵活(比如列表,字典的增删改查,字符串的常用操作方法等),比较直观,但是占用内存,而且不能直接通过循环迭代取值的这么一个数据集

  • 应用

当你侧重于对于数据可以灵活处理,并且内存空间足够,将数据集设置为可迭代对象是明确的选择。

  • 迭代器

是一个非常节省内存,可以记录取值位置,可以直接通过循环+next方法取值,但是不直观,操作方法比较单一的数据集。

  • 应用

当你的数据量过大,大到足以撑爆你的内存或者你以节省内存为首选因素时,将数据集设置为迭代器是一个不错的选择。(可参考为什么python把文件句柄设置成迭代器)

面试题

while模拟for的内部循环机制

for循环的循环对象一定要是可迭代对象,但是这不意味着可迭代对象就可以取值,因为for循环的内部机制是:将可迭代对象转换成迭代器,然后利用next进行取值,最后利用异常处理处理StopIteration抛出的异常

l1 = [1, 2, 3, 4, 5, 6]
# 1 将可迭代对象转化成迭代器
obj = iter(l1)
# 2,利用while循环,next进行取值
while 1:
    # 3,利用异常处理终止循环
    try:
        print(next(obj))
    except StopIteration:
        break

这篇关于Python迭代器的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!