Python迭代器使用教程 _教程合集

本文概述

迭代器
可迭代
容器
生成器
干得好, Pythonista！

迭代器是Python无所不在的精神。它们无处不在, 你必须在某个程序或另一个程序中遇到它们。迭代器是使你可以遍历集合的所有元素的对象, 无论其具体实现如何。
这意味着, 如果你曾经使用循环来迭代或遍历容器中的值, 那么你将使用迭代器。
【Python迭代器使用教程】在本文中, 你将了解有关Python迭代器的更多信息。更具体地说, 你将

首先, 你将详细了解Iterators, 以真正了解它们的含义以及何时使用它们。
然后, 你将看到什么是Iterables, 因为两者之间存在重要区别！
接下来, 你将了解容器以及它们如何使用迭代器的概念。
然后, 你将看到运行中的Itertools模块。
最后, 你将看到Generators并了解生成器表达式, 这基本上是生成器理解。

文章图片
资料来源：Vincent Driessen撰写的Iterables vs. Iterators vs. Generators
请务必查看srcmini的两部分Python数据科学工具箱课程。第二部分将通过迭代器, 循环和列表理解为你服务。接下来是一个案例研究, 你将应用在课程中学到的所有技术：第1部分和第2部分相结合。
现在, 让我们深入研究迭代器… ..
迭代器迭代器是实现迭代器协议的对象(不要惊慌！)。迭代器协议不过是Python中的特定类, 而该类进一步具有__next()__方法。这意味着每次你要求下一个值时, 迭代器都会知道如何计算它。它保留有关正在处理的迭代器的当前状态的信息。当你对其调用next()时, 迭代器将调用下一个值。使用__next __()方法的对象最终是一个迭代器。
迭代器有助于生成更清晰的代码, 因为它们使我们可以处理无限序列, 而不必为每个可能的序列重新分配资源, 从而节省了资源空间。 Python有几个内置的对象, 这些对象实现了迭代器协议, 并且你之前必须已经看过其中的一些对象：列表, 元组, 字符串, 字典甚至文件。 Python中还有很多迭代器, 所有itertools函数都返回迭代器。你将在本教程的后面看到itertools。
可迭代根据nvie.com的Vincent Driessen所说, “ 可迭代对象是任何对象, 不一定是可以返回迭代器的数据结构” 。它的主要目的是返回其所有元素。可迭代可表示有限和无限的数据源。一个Iterable将直接或间接定义两个方法：__iter __()方法, 该方法必须返回迭代器对象；而__next()__方法则借助它调用的迭代器。
注意：通常, 可迭代类将在同一类中同时实现__iter __()和__next __(), 并具有__iter __()返回self, 这使_iterable_类既可迭代, 又具有自己的迭代器。不过, 最好返回一个不同的对象作为迭代器。
什么是迭代器和什么是迭代器之间存在很大的不同。这是一个例子：

a_set = {1, 2, 3} b_iterator = iter(a_set) next(b_iterator)

type(a_set)

type(b_iterator)

在该示例中, a_set是一个可迭代的(集合), 而b_iterator是一个迭代器。它们都是Python中不同的数据类型。
想知道当被询问时, 迭代器如何在内部工作以产生下一个序列吗？让我们构建一个返回一系列数字的迭代器：

class Series(object): def __init__(self, low, high): self.current = low self.high = highdef __iter__(self): return selfdef __next__(self): if self.current > self.high: raise StopIteration else: self.current += 1 return self.current - 1n_list = Series(1, 10) print(list(n_list))

__iter__返回迭代器对象本身, 而__next__方法返回迭代器的下一个值。如果没有其他要返回的项目, 则会引发StopIteration异常。
如果你目前无法自己为迭代器编写代码, 那将是很好的选择, 但重要的是你必须掌握其背后的基本概念。你将在本教程的后面部分看到生成器, 这是实现迭代器的一种简单得多的方法。
容器容器是保存数据值的对象。它们支持成员资格测试, 这意味着你可以检查容器中是否存在值。容器是可迭代的-列表, 集合, 字典, 元组和字符串都是容器。但是还有其他可迭代项, 例如打开文件和打开套接字。你可以对容器执行成员资格测试：

if 1 in [1, 2, 3]: print('List')if 4 not in {1, 2, 3}: print('Tuple')if 'apple' in 'pineapple': print('String') #string contains all its substrings

List Tuple String

Itertools模块
Itertools是一个内置的Python模块, 其中包含创建用于高效循环的迭代器的函数。简而言之, 它提供了许多与迭代器一起使用的有趣工具！有些会持续提供无限范围的值, 因此只能由实际上停止最终要求更多值的函数或循环访问它们。
让我们检查一下itertools模块中的count函数可以完成的一些有趣的事情：

from itertools import count sequence = count(start=0, step=1) while(next(sequence) < = 10): print(next(sequence))

1 3 5 7 9 11

from itertools import cycle dessert = cycle(['Icecream', 'Cake']) count = 0 while(count != 4): print('Q. What do we have for dessert? A: ' + next(dessert)) count+=1

Q. What do we have for dessert? A: Icecream Q. What do we have for dessert? A: Cake Q. What do we have for dessert? A: Icecream Q. What do we have for dessert? A: Cake

你可以在此处进一步了解itertools。
生成器生成器是迭代器的精巧兄弟, 它使你可以像以前看到的那样编写迭代器, 但是使用的语法要简单得多, 无需使用__iter __()和__next __()方法编写类。
还记得你先前在迭代器中看到的示例吗？让我们尝试使用生成器的概念来重写代码：

def series_generator(low, high): while low < = high: yield low low += 1n_list = [] for num in series_generator(1, 10): n_list.append(num)print(n_list)

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

生成器的魔咒是收益。函数series_generator中没有return语句。该函数的返回值实际上将是一个生成器。当执行到达yield语句时, 在while循环内, 将返回low的值, 并暂停生成器状态。在第二个下一个调用期间, 生成器从其较早停止处的值恢复, 并将该值增加一。它继续while循环, 并再次返回yield语句。
yield基本上代替了函数的return语句, 而是在不破坏局部变量的情况下向其调用者提供了结果。因此, 在下一次迭代中, 它可以再次处理此局部变量值。因此, 与你之前看到的普通函数不同, 在每次调用时, 它以一组新的变量开始-生成器将在中断处重新开始执行。
提示：惰性工厂是生成器和迭代器背后的概念。这意味着它们一直闲置, 直到你要求输入值为止。只有在被询问时, 他们才能开始工作并产生单个值, 然后它再次变为空闲状态。这是处理大量数据的好方法。如果你不需要一次获取所有数据, 因此无需将所有数据加载到内存中, 则可以使用生成器或迭代器, 这些生成器或迭代器将一次向你传递每个数据。
生成器类型
生成器在Python中可以有两种不同的类型：生成器函数和生成器表达式。
生成器函数是关键字yield出现在体内的函数。你已经使用series_generator函数看到了一个示例。这意味着关键字yield的出现足以使该函数成为生成器函数。
生成器表达式与列表推导等效。对于有限的用例, 它们可能特别有用。就像列表推导会返回列表一样, 生成器表达式也会返回生成器。
让我们看看这意味着什么：

squares = (x * x for x in range(1, 10)) print(type(squares)) print(list(squares))

< class 'generator'> [1, 4, 9, 16, 25, 36, 49, 64, 81]

生成器的力量是极端的。它们具有更高的内存和CPU效率, 并允许你编写较少中间变量和数据结构的代码。它们通常需要较少的代码行, 其用法使代码更易于阅读和理解。这就是为什么尽可能在代码中使用生成器(Iterables vs. Iterators vs. Generators)很重要的原因。
你可以在代码的哪里插入生成器？提示：在代码中找到执行以下操作的位置：

def some_function(): result = [] for ... in ...: result.append(x) return result

并替换为：

def iterate_over(): for ... in ...: yield x

干得好, Pythonista！迭代器是Python中强大而有用的工具。但是, 并不是每个人都对它的实质内容非常熟悉。恭喜你完成本教程的结尾！
前往srcmini的数据科学中级Python课程。本教程与matplotlib的功能配合使用, 可用于可视化真实数据。你还将了解新的数据结构, 例如字典和Pandas DataFrame。你已经了解了如何在后台使用迭代器……直接了解Python中的逻辑, 控制流和循环的更多信息。
本教程使用以下内容作为源, 将其检出以了解有关迭代器的更多信息。