本文共 6341 字，大约阅读时间需要 21 分钟。
8.1 可迭代对象（Iterable）
大部分对象都是可迭代，只要实现了__iter__方法的对象就是可迭代的。
__iter__方法会返回迭代器（iterator）本身，例如：
| 1 2 3 | >>> lst = [ 1 , 2 , 3 ] >>> lst.__iter__() <listiterator object at 0x7f97c549aa50 > |
Python提供一些语句和关键字用于访问可迭代对象的元素，比如for循环、列表解析、逻辑操作符等。
判断一个对象是否是可迭代对象：
| 1 2 3 4 5 6 7 | >>> from collections import Iterable # 只导入Iterable方法 >>> isinstance ( 'abc' , Iterable) True >>> isinstance ( 1 , Iterable) False >>> isinstance ([], Iterable) True |
这里的isinstance()函数用于判断对象类型，后面会讲到。
可迭代对象一般都用for循环遍历元素，也就是能用for循环的对象都可称为可迭代对象。
例如，遍历列表：
| 1 2 3 4 5 6 7 | >>> lst = [ 1 , 2 , 3 ] >>> for i in lst: ... print i ... 1 2 3 |
8.2 迭代器（Iterator）
具有next方法的对象都是迭代器。在调用next方法时，迭代器会返回它的下一个值。如果next方法被调用，但迭代器没有值可以返回，就会引发一个StopIteration异常。
使用迭代器的好处：
1）如果使用列表，计算值时会一次获取所有值，那么就会占用更多的内存。而迭代器则是一个接一个计算。
2）使代码更通用、更简单。
8.2.1 迭代器规则
回忆下在Python数据类型章节讲解到字典迭代器方法，来举例说明下迭代器规则：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | >>> d = { 'a' : 1 , 'b' : 2 , 'c' : 3 } >>> d.iteritems() <dictionary - itemiterator object at 0x7f97c3b1bcb0 > # 判断是否是迭代器 >>> from collections import Iterator >>> isinstance (d, Iterator) False >>> isinstance (d.iteritems(), Iterator) True # 使用next方法。 >>> iter_items = d.iteritems() >>> iter_items. next () ( 'a' , 1 ) >>> iter_items. next () ( 'c' , 3 ) >>> iter_items. next () ( 'b' , 2 ) |
由于字典是无序的，所以显示的是无序的，实际是按照顺序获取的下一个元素。
8.2.2 iter()函数
使用iter()函数转换成迭代器：
语法：
iter(collection) -> iterator
iter(callable, sentinel) -> iterator
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | >>> lst = [ 1 , 2 , 3 ] >>> isinstance (lst, Iterator) False >>> lst. next () # 不是迭代器是不具备next()属性的 Traceback (most recent call last): File "<stdin>" , line 1 , in <module> AttributeError: 'list' object has no attribute 'next' >>> iter_lst = iter (lst) >>> isinstance (iter_lst, Iterator) True >>> iter_lst. next () 1 >>> iter_lst. next () 2 >>> iter_lst. next () 3 |
8.2.3 itertools模块
itertools模块是Python内建模块，提供可操作迭代对象的函数。可以生成迭代器，也可以生成无限的序列迭代器。
有下面几种生成无限序列的方法：
count([n]) --> n, n+1, n+2, ...
cycle(p) --> p0, p1, ... plast, p0, p1, ...
repeat(elem [,n]) --> elem, elem, elem, ... endlessly or up to n times
也有几个操作迭代器的方法：
islice(seq, [start,] stop [, step]) --> elements from
chain(p, q, ...) --> p0, p1, ... plast, q0, q1, ...
groupby(iterable[, keyfunc]) --> sub-iterators grouped by value of keyfunc(v)
imap(fun, p, q, ...) --> fun(p0, q0), fun(p1, q1), ...
ifilter(pred, seq) --> elements of seq where pred(elem) is True
1）count生成序列迭代器
| 1 2 3 4 5 6 7 8 9 10 | >>> from itertools import * # 导入所有方法 # 用法 count(start=0, step=1) --> count object >>> counter = count() >>> counter. next () 0 >>> counter. next () 1 >>> counter. next () 2 ...... |
可以使用start参数设置开始值，step设置步长。
2）cycle用可迭代对象生成迭代器
| 1 2 3 4 5 6 7 8 | # 用法 cycle(iterable) --> cycle object >>> i = cycle([ 'a' , 'b' , 'c' ]) >>> i. next () 'a' >>> i. next () 'b' >>> i. next () 'c' |
3）repeat用对象生成迭代器
| 1 2 3 4 5 6 7 8 9 | # 用法 repeat(object [,times]) -> create an iterator which returns the object，就是任意对象 >>> i = repeat( 1 ) >>> i. next () 1 >>> i. next () 1 >>> i. next () 1 ...... |
可使用无限次。
也可以指定次数：
| 1 2 3 4 5 6 7 8 9 | >>> i = repeat( 1 , 2 ) >>> i. next () 1 >>> i. next () 1 >>> i. next () Traceback (most recent call last): File "<stdin>" , line 1 , in <module> StopIteration |
4）islice用可迭代对象并设置结束位置
| 1 2 3 4 5 6 7 8 9 10 | # 用法 islice(iterable, [start,] stop [, step]) --> islice object >>> i = islice([ 1 , 2 , 3 ], 2 ) >>> i. next () 1 >>> i. next () 2 >>> i. next () Traceback (most recent call last): File "<stdin>" , line 1 , in <module> StopIteration |
正常的话也可以获取的3。
5）chain用多个可迭代对象生成迭代器
| 1 2 3 4 5 6 7 8 | # 用法 chain(*iterables) --> chain object >>> i = chain( 'a' , 'b' , 'c' ) >>> i. next () 'a' >>> i. next () 'b' >>> i. next () 'c' |
6）groupby将可迭代对象中重复的元素挑出来放到一个迭代器中
| 1 2 3 4 5 6 7 8 9 10 11 | # 用法 groupby(iterable[, keyfunc]) -> create an iterator which returns >>> for key,group in groupby( 'abcddCca' ): ... print key, list (group) ... a [ 'a' ] b [ 'b' ] c [ 'c' ] d [ 'd' , 'd' ] C [ 'C' ] c [ 'c' ] a [ 'a' ] |
groupby方法是区分大小写的，如果想把大小写的都放到一个迭代器中，可以定义函数处理下：
| 1 2 3 4 5 6 7 8 9 | >>> for key,group in groupby( 'abcddCca' , lambda c: c.upper()): ... print key, list (group) ... A [ 'a' ] B [ 'b' ] C [ 'c' ] D [ 'd' , 'd' ] C [ 'C' , 'c' ] A [ 'a' ] |
7）imap用函数处理多个可迭代对象
| 1 2 3 4 5 6 7 8 | # 用法 imap(func, *iterables) --> imap object >>> a = imap( lambda x, y: x * y,[ 1 , 2 , 3 ],[ 4 , 5 , 6 ]) >>> a. next () 4 >>> a. next () 10 >>> a. next () 18 |
8)ifilter过滤序列
| 1 2 3 4 5 6 7 | # 用法 ifilter(function or None, sequence) --> ifilter object >>> i = ifilter( lambda x: x % 2 = = 0 ,[ 1 , 2 , 3 , 4 , 5 ]) >>> for i in i: ... print i ... 2 4 |
当使用for语句遍历迭代器时，步骤大致这样的，先调用迭代器对象的__iter__方法获取迭代器对象，再调用对象的__next__()方法获取下一个元素。最后引发StopIteration异常结束循环。
博客地址：http://lizhenliang.blog.51cto.com
QQ群：323779636（Shell/Python运维开发群）
8.3 生成器（Generator）
什么是生成器？
1）任何包含yield语句的函数都称为生成器。
2）生成器都是一个迭代器，但迭代器不一定是生成器。
8.3.1 生成器函数
在函数定义中使用yield语句就创建了一个生成器函数，而不是普通的函数。
当调用生成器函数时，每次执行到yield语句，生成器的状态将被冻结起来，并将结果返回__next__调用者。冻结意思是局部的状态都会被保存起来，包括局部变量绑定、指令指针。确保下一次调用时能从上一次的状态继续。
以生成斐波那契数列举例说明yield使用：
斐波那契（Fibonacci）数列是一个简单的递归数列，任意一个数都可以由前两个数相加得到。
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | #!/usr/bin/python # -*- coding: utf-8 -*- def fab( max ): n, a, b = 0 , 0 , 1 while n < max : print b a, b = b, a + b n + = 1 fab( 5 ) # python test.py 1 1 2 3 5 |
使用yied语句，只需要把print b改成yield b即可：
| 1 2 3 4 5 6 7 8 9 10 11 12 | #!/usr/bin/python # -*- coding: utf-8 -*- def fab( max ): n, a, b = 0 , 0 , 1 while n < max : yield b # print b a, b = b, a + b n + = 1 print fab( 5 ) # python test.py <generator object fab at 0x7f2369495820 > |
可见，调用fab函数不会执行fab函数，而是直接返回了一个生成器对象，上面说过生成器就是一个迭代器。那么就可以通过next方法来返回它下一个值。
| 1 2 3 4 5 6 7 8 9 10 11 12 | >>> import test >>> f = test.fab( 5 ) >>> f. next () 1 >>> f. next () 1 >>> f. next () 2 >>> f. next () 3 >>> f. next () 5 |
每次fab函数的next方法，就会执行fab函数，执行到yield b时，fab函数返回一个值，下一次执行next方法时，代码从yield b的吓一跳语句继续执行，直到再遇到yield。
8.3.2 生成器表达式
在第四章 Python运算符和流程控制章节讲过，简化for和if语句，使用小括号()返回一个生成器，中括号[]生成一个列表。
回顾下：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 | # 生成器表达式 >>> result = (x for x in range ( 5 )) >>> result <generator object <genexpr> at 0x030A4FD0 > >>> type (result) < type 'generator' > # 列表解析表达式 >>> result = [ x for x in range ( 5 )] >>> type (result) < type 'list' > >>> result [ 0 , 1 , 2 , 3 , 4 ] |
第一个就是生成器表达式，返回的是一个生成器，就可以使用next方法，来获取下一个元素：
| 1 2 3 4 5 6 7 | >>> result. next () 0 >>> result. next () 1 >>> result. next () 2 ...... |