迭代器（iterator）

def add(s, x): return s + xdef gen(): for i in range(4):  yield ibase = gen()for n in [1, 10]: base = (add(i, n) for i in base)print list(base)

这个东西输出可以脑补一下， 结果是[20,21,22,23], 而不是[10, 11, 12, 13]。

要说生成器，必须首先说迭代器

区分iterable,iterator与itertion 讲到迭代器，就需要区别几个概念:iterable,iterator,itertion, 看着都差不多，其实不然。下面区分一下。

itertion: 就是迭代,一个接一个(one after another),是一个通用的概念，比如一个循环遍历某个数组。

iterable: 这个是可迭代对象,属于python的名词，范围也很广，可重复迭代，满足如下其中之一的都是iterable:

• 可以for循环: for i in iterable
• 可以按index索引的对象，也就是定义了getitem方法，比如list,str;
• 定义了iter方法。可以随意返回。
• 可以调用iter(obj)的对象，并且返回一个iterator

iterator: 迭代器对象,也属于python的名词，只能迭代一次。需要满足如下的迭代器协议

• 定义了iter方法，但是必须返回自身
• 定义了next方法,在python3.x是next。用来返回下一个值，并且当没有数据了，抛出StopIteration可以保持当前的状态

首先str和list是iterable 但不是iterator:

In [13]: si = iter(s)In [14]: siOut[14]: 
     
      In [15]: si.__iter__ # 有__iter__Out[15]: 
      
       In [16]: si.next #拥有nextOut[16]: 
       
        In [20]: si.__iter__() is si #__iter__返回自己Out[20]: TrueIn [1]: %pasteclass DataIter(object): def __init__(self, *args):  self.data = list(args)  self.ind = 0 def __iter__(self): #返回自身  return self def next(self): #　返回数据  if self.ind == len(self.data):   raise StopIteration  else:   data = self.data[self.ind]   self.ind += 1   return data## -- End pasted text --In [9]: d = DataIter(1,2)In [10]: for x in d: #　开始迭代 ....:  print x ....:12In [13]: d.next() #　只能迭代一次,再次使用则会抛异常---------------------------------------------------------------------------StopIteration        Traceback (most recent call last)----> 1 d.next()
        
          in next(self)  10  def next(self):  11   if self.ind == len(self.data):---> 12    raise StopIteration  13   else:  14    data = self.data[self.ind]
        
       
      
     

从next函数中只能向前取数据,一次取一个可以看出来，不过不能重复取数据，那这个可不可以解决呢？

我们知道iterator只能迭代一次，但是iterable对象则没有这个限制，因此我们可以把iterator从数据中分离出来，分别定义一个iterable与iterator如下：

class Data(object): # 只是iterable:可迭代对象而不iterator:迭代器 def __init__(self, *args):  self.data = list(args) def __iter__(self): # 并没有返回自身  return DataIterator(self)class DataIterator(object): # iterator: 迭代器 def __init__(self, data):  self.data = data.data  self.ind = 0 def __iter__(self):  return self def next(self):  if self.ind == len(self.data):   raise StopIteration  else:   data = self.data[self.ind]   self.ind += 1   return dataif __name__ == '__main__': d = Data(1, 2, 3) for x in d:  print x, for x in d:  print x,1,2,31,2,3

Python支持在容器上迭代，通过两个方法实现，允许用户自定义，序列总是支持迭代方法.

迭代器的功能可以使用列表代替，但如果有很多值，列表就会占用太多的内存，而如果有可以一个接一个地计算值的函数，那么就可以在使用时采用计算一个值时获取一个值，占用更少内存。

迭代器对于变量,有两个方法iter(),next()

当遍历一个迭代器的时候，它会修改内部状态，导致你只能向前获取下一个元素，不能通过迭代器访问后面一个元素；也就是说当你通过迭代器访问了一个元素以后，在当前循环中不能后退继续访问该元素了，除非你重新生产迭代器对象进行遍历。

#迭代器对于变量list1=[1,2,3,4,5]it1=iter(list1)print(next(it1))print(next(it1))print('=============')for x in it1:    print(x, end='\n')print('=============')#可以使用next()函数list2=list('abcdefg')it2=iter(list2)while True:    try:        print(next(it2))    except StopIteration:        sys.exit()

输出结果如下:

12=============345=============abcdefg

对于要返回迭代器的类,要实现iterator.iter()，iterator.next()

迭代器对象被要求支持下面的两个方法，合起来形成迭代协议。

iterator._iter_()

返回迭代器对象自身。为了允许容器和迭代器被用于for和in语句中，必须实现该方法。

iterator._next_()

返回容器的下一个条目。如果没有更多的条目，抛出StopIteration异常

另外需要注意的是在迭代器中next方法是return下一个元素的值，不像下面介绍的生成器yield一个元素

class Fibs:    def __init__(self):  # 初始化        self.a = 0        self.b = 1    def __next__(self):  # 获取下一个条目        self.a, self.b = self.b, self.a + self.b        return self.a    def __iter__(self):  # 返回迭代器        return selffibs=Fibs()for f in fibs:    if f > 20:        break

生成器(generator)

任何使用yield的函数都称之为生成器.

首先需要明确的就是生成器也是iterator迭代器，因为它遵循了迭代器协议.生成器函数跟普通函数只有一点不一样，就是把 return 换成yield,其中yield是一个语法糖，内部实现了迭代器协议，同时保持状态可以挂起。

（如果换成return 函数就返回了）

另外一种说法：生成器就是一个返回迭代器的函数，与普通函数的区别是生成器包含yield语句，更简单点理解生成器就是一个迭代器。

使用yield，可以让函数生成一个序列，该函数返回的对象类型是”generator”，通过该对象连续调用next()方法返回序列值。

生成器函数只有在调用_next()_方法的时候才开始执行函数里面的语句.

在调用count函数时：c=count(7)，并不会打印”counting”只有等到调用c.next()时才真正执行里面的语句。每次调用next()方法时，count函数会运行到语句yield n处为止，next()的返回值就是生成值n，此处为了查看返回值打印了出来，可以去掉，再次调用next()方法时，函数继续执行yield之后的语句（熟悉Java的朋友肯定知道Thread.yield()方法，作用是暂停当前线程的运行，让其他线程执行），如：

yield作用就是返回一个生成器，它会保存当前函数状态，记录下一次函数被调用next的时候运行状态

a = (i for i in range(4))print(a)for i in a:    print(i)for i in a:    print('==')    print(i)只输出0,1,2,3

def count(n):    print("cunting")    while n > 0:        print('before yield')        yield n  # 生成值：n        print(n)        n -= 1        print('after yield')c=count(7)c.__next__()#before yieldc.__next__()# 7# after yield# before yieldc.__next__()# 6# after yield# before yield

如果一直调用next方法，当执行到没有可迭代的值后，程序就会报错：

Traceback (most recent call last): File "", line 1, in StopIteration

所以一般不会手动的调用next方法，而使用for循环

for i in count(5):      print (i)

def fibonacci(n): # 生成器函数 - 斐波那契    a, b, counter = 0, 1, 0    while True:        if counter > n:            return        yield a        a, b = b, a + b        counter += 1# f 是一个迭代器，由生成器返回生成f = fibonacci(10)while True:    try:        print(next(f), end=" ")    except StopIteration:        sys.exit()

def fibonacci():    a=b=1    yield a    while True:        a,b = b,a+b        yield b# f=fibonacci()# print(type(fibonacci()))# f.__next__()# f.__next__()for num in fibonacci():    if num > 100:        break    print (num)    time.sleep(1)

可以调试看输出，就明白了。

另外还有一种定义生成器的方法:生成器表达式”()”

my_generator = (x for x in range(3))print(type(my_generator))for i in my_generator:    print(i)