什么是迭代器

顾名思义,就是更新换代的意思

python中的迭代器就是根据上一个结果生成下一个结果,一直循环往复不断重复的过程

迭代器有两个特点:

  • 1.不断重复同一个过程
  • 2.根据上一个结果生成下一个结果

迭代器的定义

先来看两个例子

代码一:

while True:
cmd = input("input your command: ").strip()
print(cmd)

代码二:

l1 = ["a", "b", "c", "d"]
count = 0
while count < len(l1):
print(l1[count])
count += 1

在代码一中,让用户不断输入命令,然后打印用户输入的命令,这是一个不断重复的过程,但是后一个结果跟前一个结果没有什么联系,所以代码一不是迭代器

在代码二中,先定义一个列表l1和count,在count的值小于列表l1的长度中,打印列表中count索引的值,然后count的值加1,这几行代码符合迭代器的定义

代码二的执行过程:

首先,打印列表l1中count索引的值,这是一个不断重复的过程
然后,每循环一次,count的值就在以前的基础上增加1,直到count的值等于列表l1的长度时,循环中止

所以代码一不是迭代器,代码二才是符后迭代器的定义标准

迭代器的作用

python中常见的数据类型包括字符串,列表,元组,字典,集合,文件

我们知道,python中的数据类型又分为有序和无序

对于有序数据类型,可以如上面的代码二所示,使用索引遍历有序数据类型中的元素

而对于无序数据类型,就不可以使用索引来遍历其中的元素了,此时可以使用for循环来遍历其中的元素

现在来看看for循环到底做了哪些事,可以取出无序数据类型中的元素

dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, }

for k in dic1:
print(k)

执行上面的程序,可以打印出字典dic1中所有的键

实际上,python为了提供一种不依赖于索引的迭代方式,python会为一些对象内置__iter__方法

在python中,如果一个对象有__iter__方法,那么这个对象就是可迭代对象
执行obj.__iter__()方法得到的结果就是迭代器

所以python中的迭代器,都会有__iter__方法和__next__方法

以上面定义的dic1为例

dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, }

i = dic1.__iter__()			# dic1.__iter__方法执行结果得到一个迭代器i
print(i) # 打印迭代器,得到结果:<dict_keyiterator object at 0x0000000002DBD278>
print(i.__next__()) # 执行迭代器i中的__next__方法,得到dic1中的一个元素,然后打印迭代出的元素
print(i.__next__()) # 再次执行迭代器的__next__方法,得到dic1的第二个元素,然后打印出来
print(i.__next__()) # 第三次执行迭代器的__next__方法,得到dic1的第三个元素,然后打印出来

由于python的字典是无序的数据类型,所以每次得到的dic1中的元素可能是不相同的

执行三次__next__方法,得到的结果如下

a
b
c

上面dic1的长度为4,如果执行5次__next__方法,会出错什么结果

dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, }

i = dic1.__iter__()
print(i.__next__())
print(i.__next__())
print(i.__next__())
print(i.__next__())
print(i.__next__())

程序执行结果

a
File "D:\python3\lib\unittest\loader.py", line 153, in loadTestsFromName
b module = __import__(module_name)
c File "E:\python_learn\py_code\test.py", line 21, in <module>
d
print(i.__next__())
StopIteration

可以看到,python解释器在执行第五次__next__方法时,抛出了StopIteration的错误,这说明如果执行__next__方法的次数超出迭代器的长度时,python解释会抛出异常

迭代器的优缺点

迭代器的优点

1.提供一种不依赖于索引的取值方式
2.提供惰性计算,每执行一次__next__方法,只会从迭代器中取出一个值,不管这个数据长度有多大,使用迭代器取值时,每取出一个值,占用的内存空间都一个元素的大小,非常节省内存空间

迭代器的缺点

1.取值比较麻烦。如果想用迭代器的方式取出列表中的第三个值,必须调用三次__next__方法,才能取出第三个值,而前两次取出的值实际上是没有作用的
2.一次性的,只能向后迭代,不能回退。如果运行两次__next__方法后,就不可能回退再去了迭代器的第一个值
3.不能获取到迭代器的长度,只能不停执行__next__方法,直到出现StopIteration的提示,此时才能知道迭代器的长度

for循环的执行过程

定义一个列表,使用for循环遍历取出列表中的值

l1 = ['a', 'b', 'c', 'd']

for i in l1:
print(i)

在for循环的执行过程中,实际上for循环是把in后面的对象执行__iter__方法,得到一个迭代器对象,然后不停执行迭代器对象中的__next__方法,得到元素,然后把迭代出来的元素赋值给i,再调用print方法打印元素i,直到for循环捕捉到StopIteration异常,结束循环,程序停止

类似于下面的代码

l1 = ['a', 'b', 'c', 'd']

obj = l1.__iter__()

while True:
try:
i = obj.__next__()
print(i)
except StopIteration:
break

判断一个对象是迭代器对象还是可迭代对象

只要一个对象有__iter__方法,这个对象就是可迭代对象
一个可迭代对象有__next__方法,这个对象就是迭代器对象

判断python中的字符串,列表,元组,字典和文件对象是否是可迭代对象和迭代器对象

示例代码

from collections import Iterable, Iterator

s1 = "hello"
l1 = ['a', 'b', 'c', 'd']
t1 = ('a', 'b', 'c', 'd')
set1 = {'a', 'b', 'c', 'd'}
dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, }
f1 = open("db.txt", "w", encoding="utf-8") print(isinstance(s1, Iterable))
print(isinstance(l1, Iterable))
print(isinstance(t1, Iterable))
print(isinstance(set1, Iterable))
print(isinstance(dic1, Iterable))
print(isinstance(f1, Iterable))
print("*" * 30)
print(isinstance(s1, Iterator))
print(isinstance(l1, Iterator))
print(isinstance(t1, Iterator))
print(isinstance(set1, Iterator))
print(isinstance(dic1, Iterator))
print(isinstance(f1, Iterator))

执行结果:

True
True
True
True
True
True
******************************
False
False
False
False
False
True

从上面的例子,可以看出,字符串,列表,元组,集合,字典和文件都是可迭代对象,其中只有文件是迭代器对象

在上面,我们知道,使用for遍历对象中的值时,是把in后面的对象的变为可迭代对象,然后调用__next__方法取出对象中的元素

既然文件本身就是迭代器对象,那使用for循环获取文件的内容时,又是怎么做的呢

先打开一个文件,打印出这个文件对象,再调用文件对象的__iter__方法得到迭代器对象,判断两个对象是否是同一个对象

f1 = open("db.txt", encoding="utf-8")

print(f1)
obj = f1.__iter__()
print(obj) print(obj is f1)

执行结果

<_io.TextIOWrapper name='db.txt' mode='r' encoding='utf-8'>
<_io.TextIOWrapper name='db.txt' mode='r' encoding='utf-8'>
True

得到结论:

如果一个对象可以被for循环迭代,则这个对象一定是可迭代对象
文件对象被执行__iter__方法,得到的结果仍然是一个迭代器对象

python函数式编程之迭代器的更多相关文章

  1. python 函数式编程:高阶函数,map/reduce

    python 函数式编程:高阶函数,map/reduce #函数式编程 #函数式编程一个特点就是,允许把函数本身作为参数传入另一个函数,还允许返回一个函数 #(一)高阶函数 f=abs f print ...

  2. Python函数式编程:从入门到走火入魔

    一行代码显示"爱心" >>> print]+(y*-)**-(x**(y*<= ,)]),-,-)]) Python函数式编程:从入门到走火入魔 # @fi ...

  3. python函数式编程,列表生成式

    1.python 中常见的集中存储数据的结构: 列表 集合 字典 元组 字符串 双队列 堆 其中最常见的就是列表,字典. 2.下面讲一些运用循环获取字典列表的元素 >>> dic={ ...

  4. (转)Python函数式编程——map()、reduce()

    转自:http://www.jianshu.com/p/7fe3408e6048 1.map(func,seq1[,seq2...]) Python 函数式编程中的map()函数是将func作用于se ...

  5. python 函数式编程学习笔记

    函数基础 一个函数就是将一些语句集合在一起的部件,它们能够不止一次地在程序中运行.函数的主要作用: 最大化的代码重用和最小化代码冗余 流程的分解 一般地,函数讲的流程是:告诉你怎样去做某事,而不是让你 ...

  6. Python函数式编程(进阶2)

    转载请标明出处: http://www.cnblogs.com/why168888/p/6411915.html 本文出自:[Edwin博客园] Python函数式编程(进阶2) 1. python把 ...

  7. Python函数式编程——map()、reduce()

    文章来源:http://www.pythoner.com/46.html 提起map和reduce想必大家并不陌生,Google公司2003年提出了一个名为MapReduce的编程模型[1],用于处理 ...

  8. python函数式编程之返回函数、匿名函数、装饰器、偏函数学习

    python函数式编程之返回函数 高阶函数处理可以接受函数作为参数外,还可以把函数作为结果值返回. 函数作为返回值 def laxy_sum(*args): def sum(): ax = 0; fo ...

  9. Python函数式编程简介

    参考原文 廖雪峰Python函数式编程 函数 函数是Python内建支持的一种封装,我们通过把大段代码拆成函数,通过一层一层的函数调用,就可以把复杂任务分解成简单的任务,这种分解可以称之为面向过程的程 ...

随机推荐

  1. VS 2017 发布:由于构建错误,发布失败

    用17写AspNetCore 也一年了,最近出现了这个问题 : 在点击发布的时候 报错了,构建失败的问题,刚开始还排查日子,删除以往的发布遗留痕迹,后来发现不行, 但是项目在本地运行的时候是好使的,生 ...

  2. python之作业--------购物车优化

    Read Me:继上次简单购物车的实现,有再一次的升级优化了下,现实现以下几个功能: 1.有客户操作和商家操作,实现,客户可以买东西,当金额不足提醒,最后按q退出,打印购物车列表 2.商家可以添加操作 ...

  3. 手把手的SpringBoot教程,SpringBoot创建web项目(一)

    1.引子 大家好,在接下里的半个多小时,我会给大家详细的介绍SpringBoot的基本使用,相信学完这门课程以后,你会对SpringBoot有一个清晰的认识,并且能够运用这门比较新颖的技术开发一些小程 ...

  4. 关于Kafka 的 consumer 消费者处理的一些见解

    前言 在上一篇 Kafka使用Java实现数据的生产和消费demo 中介绍如何简单的使用kafka进行数据传输.本篇则重点介绍kafka中的 consumer 消费者的讲解. 应用场景 在上一篇kaf ...

  5. NIO内存映射

    磁盘的IO因为速度较慢,可能成为系统运行的瓶颈.所以磁盘的IO在操作系统级实现了提前读,延迟写的机制来提升IO的性能. 提前读就是一次读取需求的数据的同时多读接下来的一段数据至OS缓冲区中,延迟写就是 ...

  6. CodeChef Cards, bags and coins [DP 泛型背包]

    https://www.codechef.com/problems/ANUCBC n个数字,选出其一个子集.求有多少子集满足其中数字之和是m的倍数.n $\le$ 100000,m $\le$ 100 ...

  7. BZOJ 3514: Codechef MARCH14 GERALD07加强版 [LCT 主席树 kruskal]

    3514: Codechef MARCH14 GERALD07加强版 Time Limit: 60 Sec  Memory Limit: 256 MBSubmit: 1312  Solved: 501 ...

  8. 创建hbase-indexer出现 0 running

    新建hbase-indexer后通过hbase-indexer list-indexers发现SEP subscription ID: null并且0 running processes,如下: IN ...

  9. ACE在windows下的编译及配置(VS2010)

    ACE在windows下的编译及配置(VS2010) 分类:             -[小西南]-              2013-08-06 16:17     2354人阅读     评论( ...

  10. 【国家集训队2010】小Z的袜子[莫队算法]

    [莫队算法][国家集训队2010]小Z的袜子 Description 作为一个生活散漫的人,小Z每天早上都要耗费很久从一堆五颜六色的袜子中找出一双来穿.终于有一天,小Z再也无法忍受这恼人的找袜子过程, ...