Python可迭代对象、迭代器与生成器

三笠o.0

于 2025-07-09 16:05:38 发布

阅读量1.1k

点赞数 29

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python 开发语言

本文链接：https://blog.csdn.net/2403_88666941/article/details/149226840

Python 专栏收录该内容

16 篇文章

订阅专栏

1. 可迭代对象：

1.1 基本概念：

可迭代对象是指可以通过for...in...这类循环语句遍历读取数据的对象。在Python中，可迭代对象是一个实现了__iter__()方法或__getitem__()方法的对象，它能够返回一个迭代器。

1.2 遍历(迭代)过程：

遍历(迭代)是指程序依次从可迭代对象中把一个个元素取出来的过程。

这个过程通常包括以下步骤：

调用可迭代对象的__iter__()方法获取迭代器对象
重复调用迭代器的__next__()方法获取下一个元素
直到捕获StopIteration异常，表示迭代结束

person = {'name': 'Alice', 'age': 25, 'city': 'New York'}
for key in person:
    print(f"Key: {key}, Value: {person[key]}")

1.3 自定义可迭代对象：

开发者也可以通过实现__iter__()方法来创建自定义的可迭代对象：

class CountDown:
    def __init__(self, start):
        self.start = start
        
    def __iter__(self):
        current = self.start
        while current > 0:
            yield current
            current -= 1

for num in CountDown(5):
    print(num)

1.4 注意：

可迭代对象不同于迭代器，前者可以多次遍历，后者通常只能遍历一次
某些可迭代对象(如生成器)是惰性求值的，只有在迭代时才会计算值
大型数据集使用可迭代对象可以节省内存，因为不需要一次性加载所有数据

with open('data.txt') as file:
    for line in file:
        print(line.strip())

字典操作：遍历字典的键、值或键值对

numbers = [1, 2, 3, 4, 5]
for num in numbers:
    print(num * 2)

文件读取：逐行读取文件内容

with open('data.txt') as file:
    for line in file:
        print(line.strip())

数据处理：遍历列表中的数据进行计算或处理

person = {'name': 'Alice', 'age': 25, 'city': 'New York'}
for key in person:
    print(f"Key: {key}, Value: {person[key]}")

1.6 Python中的常见可迭代对象包括：

序列类型：列表(list)、元组(tuple)、字符串(str)
非序列类型：字典(dict)、集合(set)、文件对象
生成器(generator)和生成器

2. 迭代器：

2.1含义：

迭代器是一种设计模式，它提供了一个可以记住遍历位置的对象。迭代器对象从集合的第一个元素开始访问，通过调用__next__()方法逐个访问元素，直到所有元素被访问完毕。迭代器的特点是只能单向前进，不能后退或重置。

2.2基本特征：

访问方式：通过调用next()方法逐个获取元素
状态保存：内部会记录当前的迭代位置
单向性：只能向前移动，不能后退或重新开始
终止机制：遍历完成后会抛出StopIteration异常

2.3 实现方式：

在Python中，迭代器需要实现两个特殊方法：

iter(): 返回迭代器对象本身
next(): 返回下一个元素

2.4 示例：

class MyIterator:
    def __init__(self, data):
        self.data = data
        self.index = 0
    
    def __iter__(self):
        return self
    
    def __next__(self):
        if self.index >= len(self.data):
            raise StopIteration
        value = self.data[self.index]
        self.index += 1
        return value

# 使用示例
my_iter = MyIterator([1, 2, 3])
for item in my_iter:
    print(item)  # 输出：1 2 3

优点：

统一的访问接口
支持惰性求值
节省内存资源
适用于无限序列

2.5 注意事项：

迭代器是一次性的，遍历完成后需要重新创建
不能随机访问元素
无法预知剩余元素数量

3. 生成器：

3.1概念与定义：

生成器（Generator）是一种特殊的迭代器，它允许你在需要时才生成值，而不是一次性生成所有值。这种特性使得生成器在处理大量数据或无限序列时特别高效。

3.2 基本语法：

在Python中，生成器可以通过两种方式创建：

生成器函数：使用yield关键字代替return的函数

def count_up_to(max):
    count = 1
    while count <= max:
        yield count
        count += 1

生成器表达式：类似列表推导式，但使用圆括号

squares = (x*x for x in range(10))

3.3 特点与优势：

内存高效：只在需要时生成值，不占用大量内存
惰性求值：按需计算，提高性能
无限序列：可以表示无限的数值序列
状态保持：每次yield后保持函数状态

大数据处理：处理大型文件或数据集

def read_large_file(file_path):
    with open(file_path) as f:
        for line in f:
            yield line

流处理：实时数据处理管道

数学序列：斐波那契数列等

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

协程：实现轻量级多任务处理

3.4 高级用法：

send()方法：向生成器发送数据

throw()方法：向生成器抛出异常

close()方法：终止生成器

协程装饰器：简化协程初始化

def accumulator():
    total = 0
    while True:
        value = yield total
        if value is None: break
        total += value

3.5注意事项：

生成器只能迭代一次
不能随机访问或索引
生成器表达式会立即求值外层表达式
要考虑异常处理和资源清理

4. Python中的可迭代对象、迭代器和生成器关系：

4.1 可迭代对象（Iterable）

可迭代对象是指实现了Python迭代协议（即__iter__()方法）的对象，可以通过for..in..循环进行遍历。

常见的可迭代对象包括：

序列类型：list, tuple, str, bytes, range
映射类型：dict
集合类型：set, frozenset
文件对象：打开的文件对象
其他：迭代器对象、生成器对象

4.2 迭代器（Iterator）

迭代器是可迭代对象的子集，它除了实现__iter__()方法外，还必须实现__next__()方法。

迭代器的主要特点：

状态记忆：能够记住当前的遍历位置
单向性：只能向前移动，不能后退或重置
有限性：遍历完毕后会抛出StopIteration异常
惰性计算：每次只产生一个值，节省内存

创建迭代器的方法：

# 通过iter()函数转换可迭代对象
my_list = [1, 2, 3]
iter_obj = iter(my_list)

print(next(iter_obj))  # 1
print(next(iter_obj))  # 2
print(next(iter_obj))  # 3
print(next(iter_obj))  # 抛出StopIteration

4.3 生成器（Generator）

生成器是特殊的迭代器，Python提供两种创建生成器的方式：

生成器函数：

使用yield关键字代替return的函数：

def count_down(n):
    while n > 0:
        yield n
        n -= 1

# 使用示例
for i in count_down(5):
    print(i)  # 输出5,4,3,2,1

生成器表达式：

类似列表推导式的语法：

gen = (x**2 for x in range(5))
print(next(gen))  # 0
print(next(gen))  # 1

生成器的优势在于：

内存高效：不需要一次性生成所有元素
延迟计算：只在需要时才计算值
无限序列：可以表示无限的数据流

判断一个对象是否是可迭代对象可以使用isinstance(obj, Iterable)方法：

from collections.abc import Iterable

print(isinstance([1,2,3], Iterable))  # True
print(isinstance("hello", Iterable))  # True
print(isinstance(123, Iterable))      # False