给妹子讲python-S01E14可迭代对象和迭代器

作者：酱油哥/ 清华程序猿      
微信公众号: python数据科学家
知乎专栏： 《给妹子讲python》
https://zhuanlan.zhihu.com/c_147297848

前文传送门：

【要点抢先看】

1.可迭代对象、迭代器、迭代协议是什么
2.实际序列和循环中按需逐次产生结果的对象都是可迭代对象
3.手动模拟迭代过程
4.可迭代对象举例：文件、字典、range及enumerate返回值

【妹子说】这一节的标题名称看起来比较陌生啊。

对，这一节很pythonic，是很有特色也非常重要的知识点。敲黑板！

Python中有一类工具叫做迭代工具，他们能从左至右扫描对象。这包括了for循环、列表解析、in成员关系测试以及map内置函数等。

而可迭代对象，顾名思义就是可以用在上述迭代工具环境中，通过一次次迭代不断产生结果的对象。

可迭代对象分为两大类，一种是实际保存的序列，即列表、元组，字符串；另一种就是我们上一节总提到的“不一次性产生所有结果列表，而是可以在for循环中按需一次产生一个结果的对象”。如：range函数返回值、zip函数返回值、enumerate函数返回值等等，与实际序列相对应，这个叫做按需产生对象的虚拟序列。

我们注意到，这一小节的标题中还有一个词叫做迭代器，他俩放在一起容易把人弄迷糊，他们之间的关系，相信你看完下面一段介绍就会很清楚了：

可迭代对象支持内置函数iter，通过对可迭代对象调用iter函数，会返回一个迭代器，而“迭代器”支持内置函数next，通过不断对其调用next方法，会依次前进到序列中的下一个元素并将其返回，最后到达一系列结果的末尾时，会引发StopIteration异常。补充说明一点，对迭代器调用iter方法，则会返回迭代器自身。

L = [2,3,4]
I = iter(L)
print(iter(L))
print(I is L)
print(I is iter(I))

<list_iterator object at 0x00000000021E0978>
False
True

从这个例子中我们看到，通过iter函数将迭代对象转化成迭代器，而对迭代器调用iter函数，依然返回迭代器。

我们来完整的看看迭代过程是怎么实现的：当任何可迭代对象传入到for循环或其他迭代工具中进行遍历时，迭代工具都是先通过iter函数获得与可迭代对象对应的迭代器，然后再对迭代器调用next函数，不断的依次获取元素，并在捕捉到StopIteration异常时确定完成迭代，这就是完整的迭代过程。这也称之为“迭代协议”。

还是举例子说明，我们来模拟for循环如何处理内置可迭代对象-----内置类型列表L：

L = [2,3,4]
I = iter(L)
print(next(I))
print(next(I))
print(next(I))
print(next(I))

2
3
4
Traceback (most recent call last):
 File "E:/12homework/12homework.py", line 6, in <module>
print(next(I))
StopIteration

在这个手动模拟迭代的过程中，先把可迭代对象转换成迭代器，然后用next方法进行手动迭代，迭代到最后出现StopIteration异常退出。

与手动迭代的示例过程相对应，下面是用for循环进行自动迭代的过程，这个大家都很熟悉。

L = [2,3,4]
for x in L:
    print(x)

2
3
4

再举几个典型的例子

文件对象

open函数返回的已打开的文件对象，也是可以一行一行的读取，直至文件结束，那很显然，他也是可迭代对象。

f = open('myfile.txt')
print(f is iter(f))

True

从这个例子中我们可以看出，文件对象的迭代器就是他自己。即文件对象既是迭代器，又是可迭代对象。我们还是用上面的手动模拟迭代的方式来一探究竟

f = open('myfile.txt')
print(next(f))
print(next(f))
print(next(f))
print(next(f))

hello text file
goodbyt text file
hahahahah
Traceback (most recent call last):
 File "E:/12homework/12homework.py", line 5, in <module>
print(next(f))
StopIteration

对应的，直接用for循环来进行自动迭代

f = open('myfile.txt')
for line in f:
    print(line, end='')

hello text file
goodbyt text file
Hahahahah

之前我们提到过，这是读取文件的最佳方式，首先是简单、运行速度快，并且从内存使用情况而言也是最好的。让我们对比一下较为原始的readlines方法，

f = open('myfile.txt')
for line in f.readlines():
    print(line, end='')

hello text file
goodbyt text file
Hahahahah

对比来看，虽然readlines方法在功能上可用，但从内存上来看，非常糟糕，他是一次性把整个文件加载到内存，如果文件太大，以至于计算机内存不够，甚至不能够工作。而我们的迭代器版本则不然，迭代器是按需，一次只读取一行，因此对内存爆炸问题有了很好的免疫。

字典类型

文件和列表对象都是实际的序列，他所迭代的就是他的实际内容，那字典呢？字典也是一种可迭代对象，但是他的迭代器却比较特殊。我们看看手动模拟迭代过程的例子：

D = {'a':1, 'b':2, 'c':3}
I = iter(D)
print(next(I))
print(next(I))
print(next(I))
print(next(I))

a
b
c
Traceback (most recent call last):
 File "E:/12homework/12homework.py", line 6, in <module>
print(next(I))
StopIteration

同样，在for循环中自动迭代的例子如下:

D = {'a':1, 'b':2, 'c':3}
for k in D:
    print(k)

c
a
b

因此不难看出，字典也是一个可迭代对象，字典有一个迭代器，在迭代环境中，会每次自动地返回一个键。

而需要补充的是，字典拥有不同视图的可迭代对象，这里就不详细一一展开了，看看几个例子，分别是各自不同视图下的可迭代对象和迭代器，他们也是一次产生一个结果项，而不是在内存中一次产生全部结果列表。

D = {'a':1,'b':2,'c':3}
print(D.keys())
print(iter(D.keys()))
print(D.values())
print(iter(D.values()))
print(D.items())
print(iter(D.items()))

dict_keys(['b', 'a', 'c'])
<dict_keyiterator object at 0x0000000002202958>
dict_values([2, 1, 3])
<dict_valueiterator object at 0x0000000002202958>
dict_items([('b', 2), ('a', 1), ('c', 3)])
<dict_itemiterator object at 0x00000000022029A8>

再举两个我们上一节提到的例子：range函数和enumerate函数

range函数的返回值是一个可迭代对象，同理利用iter方法也可以得到他的迭代器

R = range(5)
I = iter(R)
print(R)
print(I)

range(0, 5)
<range_iterator object at 0x0000000002191A30>

enumerate方法返回的也是可迭代对象，他的迭代器就是他自身

E = enumerate('spam')
print(E)
print(iter(E))

<enumerate object at 0x00000000021F2558>
<enumerate object at 0x00000000021F2558>

可迭代对象按照需求，一次只返回一个结果，而不是一口气一次性的返回一个对象列表，因此我们必须把可迭代对象包裹在一个list调用中，从而才能一次性看到它们所有的值。

print(list(enumerate('spam')))
[(0, 's'), (1, 'p'), (2, 'a'), (3, 'm')]

Python爱好者社区历史文章大合集：

福利：文末扫码立刻关注公众号，“Python爱好者社区”，开始学习Python课程：

关注后在公众号内回复“课程”即可获取：

小编的Python入门免费视频课程！！！

【最新免费微课】小编的Python快速上手matplotlib可视化库！！！

崔老师爬虫实战案例免费学习视频。

陈老师数据分析报告制作免费学习视频。

玩转大数据分析！Spark2.X+Python 精华实战课程免费学习视频。