Python18 迭代器

迭代器

可迭代就是可以被循环

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象

from collections import Iterable #Iterable用来判断是否可迭代

print (isinstance([],Iterable))
print (isinstance('abc',Iterable))
print (isinstance((),Iterable))
print (isinstance(123,Iterable))

Iterable：可迭代对象
Iterator：迭代器

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

a =[1,2,3]
print (dir(a))

a是一个可迭代对象，但不是迭代器；可以看到其中没有next方法，所以就不是迭代器。

from collections import Iterable,Iterator

print (isinstance((x for x in range(5)),Iterator))  #判断是否是 迭代器

变成迭代器

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

a =[1,2,3]
b = iter(a)         #将a变成迭代器
print (type(b))
print (b.__next__())
print (b.__next__())
print (b.__next__())

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

在3.X中range(0,10)就是一个迭代器，在2.X中就是可迭代对象，在2.X中使用xrange就是迭代器。

3.X中 for i in range()就相当于一个迭代器（等同2.X中的for in in xrange()）

在3.X中读取一个文件，比如 for line in f，这个f是打开一个文件的内容，这就使用迭代器的方式。

迭代器(Iterator)与生成器(Generator)的区别

迭代器是一个更抽象的概念，任何对象，如果它的类有next方法（next python3)和iter方法返回自己本身。

每个生成器都是一个迭代器，但是反过来不行。通常生成器是通过调用一个或多个yield表达式构成的函数s生成的。同时满足迭代器的定义。