Python中迭代对象、迭代器和生成器的比较

###本文从各路资料中摘取了一些进行整理，仅方便自己认识理解，不擅长文笔，见谅###

 

 

　　首先简单看一下概念：

• 迭代对象（iterable）：可使用for.. in..进行循环的对象，比如list,tuble,dic,set,string以及迭代器、生成器等都是可迭代的对象。凡是可以返回有一个迭代器的对象都是可迭代的对象。可通过collections包中的isinstance来进行判断，例子如下：

  #判断是否为Iterable，可用isinstance
  >>> from collections import Iterable
  >>> isinstance({'dede':123},Iterable)
  True
  >>> isinstance('hello',Iterable)
  True
  >>> isinstance(123,Iterable)
  False
  >>> isinstance([1,3],Iterable)
  True

  #实现列表和元素的下表循环
  lanage=['python','php','java','c++']
  #第一种
  for x in range(len(lanage)):
  print(x,lanage[x])
  
  第二种
  for i ,value in enumerate(lanage):
  print(i,value)
  
  同一行输出
  for i ,value in enumerate(lanage):
  print(i,value ,end=','

• 迭代器（Iterator）：它是一个带状态的对象，他能在你调用next()方法的时候返回容器中的下一个值，任何实现了__iter__和__next__()（python2中实现next()）方法的对象都是迭代器，__iter__返回迭代器自身，__next__返回容器中的下一个值，如果容器中没有更多元素了，则抛出StopIteration异常，至于它们到底是如何实现的这并不重要。迭代器就是实现了工厂模式的对象，它在你每次询问下一个值的时候给你返回。itertools函数返回的都是迭代器对象。

  #下面这段代码，通过迭代器的方式书写的一个斐波那契数列，来充分认识__next__和__iter__函数
  class Fib:
      def __init__(self):
          self.prev = 0
          self.curr = 1
   
      def __iter__(self):
          return self
   
      def __next__(self):
          value = self.curr
          self.curr += self.prev
          self.prev = value
          return value
  
  #islice可以使迭代器变为有限序列；cycle可使有限变为无限循环
  from itertools import islice
  >>> f = Fib()
  >>> list(islice(f, 0, 10))
  [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

  每次调用next()方法的时候做两件事：

  1. 为下一次调用next()方法修改状态
  2. 为当前这次调用生成返回结果

  迭代器就像一个懒加载的工厂，等到有人需要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。

  　　

我们看一张总概论图：

                 

　　可得出以下几点：

• iterable>iterator>generator
• 可迭代对象实现了__iter__方法，该方法返回一个迭代器对象。
• 迭代器持有一个内部状态的字段，用于记录下次迭代返回值，它实现了__next__和__iter__方法，迭代器不会一次性把所有元素加载到内存，而是需要的时候才生成返回结果。
• 生成器是一种特殊的迭代器，它的返回值不是通过return而是用yield

　　

最后我们看看生成器yield另一个应用例子：

　　另一个 yield 的例子来源于文件读取。如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取：

def read_file(fpath): 
   BLOCK_SIZE = 1024 
   with open(fpath, 'rb') as f: 
       while True: 
           block = f.read(BLOCK_SIZE) 
           if block: 
               yield block 
           else: 
               return