16_Python的迭代器

在这里插入图片描述
在Python中，迭代是一个非常重要的概念。迭代通常指的是按照某种顺序逐个访问容器中的元素的行为。如使用for循环遍历取值的过程。

可迭代对象（Iterable）

可迭代对象是任何可以返回一个迭代器的对象。简单来说，它是可以逐一返回其成员项的对象。大多数内置集合类型，如list、set、dict、tuple和str都是可迭代的。即可以使用for循环遍历取值的对象。如：字符串、列表、元组、集合、字典。

可迭代对象一般都具有一个 __iter__ 方法，用于创建迭代器

可迭代对象的特点：

可以使用iter()函数从可迭代对象中得到一个迭代器。
可以在for循环中使用，因为for循环背后使用了迭代器。

# 对列表进行for循环遍历
my_list = [1, 2, 3]
for item in my_list:print(item)

# 对元组进行for循环遍历
t = (1, 2, 3)
for item in t:print(item)

# 对集合进行for循环遍历
st = (1, 2, 3, 4)
for item in st:print(item)

# 对字典进行遍历
my_dict = {'name':'Jim', 'age':12}
for i in my_dict:print(i)

迭代器（Iterator）

迭代器是实现了 __iter__() 和 __next__() 方法的对象。 __iter__() 方法返回迭代器本身，而 __next__() 方法返回序列中的下一个项目。

迭代器是特殊的可迭代对象，

__next__ ：访问迭代器中的元素
- 从迭代提中的第一个元素开始访问，一只访问到最后一个元素。如果继续进行访问会报StopIteration异常。访问之后会将元素丢弃，不会存在内存中。

迭代器的特点：

迭代器是一个可以记住遍历的位置的对象。
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。
使用next()函数可以手动获取下一个元素，当没有更多元素时，会抛出一个StopIteration异常。

class MyIterator:def __init__(self, items):self.items = itemsself.index = 0def __iter__(self):return selfdef __next__(self):if self.index >= len(self.items):raise StopIterationcurrent_item = self.items[self.index]self.index += 1return current_item# 使用迭代器
my_iterator = MyIterator([1, 2, 3])
for item in my_iterator:print(item)

it1 = my_list.__iter__()
it1

it1.__next__()

it1.__next__()

it1.__next__()

# 访问最后一个元素后，再访问会报错：StopIteration。
it1.__next__()

迭代对象和迭代器的总结

所有迭代器都是可迭代的，但不是所有可迭代的都是迭代器。
可迭代对象提供一个迭代器，而迭代器可以用来迭代其中的元素。

在Python编程中，理解这两个概念对于编写高效的循环和操作集合类型至关重要。

# 使用for循环访问迭代器
class MyIterator:def __init__(self, items):self.items = itemsself.index = 0def __iter__(self):return selfdef __next__(self):if self.index >= len(self.items):raise StopIterationcurrent_item = self.items[self.index]self.index += 1return current_item# 创建一个迭代器实例
my_iterator = MyIterator([1, 2, 3, 4, 5])# 使用for循环来访问迭代器
for item in my_iterator:print(item)

# 使用while循环
my_iterator = MyIterator([1, 2, 3, 4, 5, 6])
it = iter(my_iterator)
while True:try:print(next(it))except StopIteration:break

迭代器的优点

内存效率：迭代器按需计算值，这意味着它们不需要在内存中存储整个数据集。
惰性计算：迭代器只在需要时计算下一个值，这对于大数据集或无限数据流来说非常有用。
提供一个统一的接口：迭代器提供了一个通用的接口来遍历数据结构，而不需要关心底层数据结构的细节。

以下是一个使用迭代器的实例，其中我们创建了一个生成斐波那契数列的迭代器。斐波那契数列是一个无限序列，使用迭代器可以有效地生成它，而不需要预先计算整个序列。

class FibonacciIterator:def __init__(self):# 初始化前两个斐波那契数self.first = 0self.second = 1def __iter__(self):# 返回迭代器本身return selfdef __next__(self):# 计算下一个斐波那契数next_value = self.first + self.second# 更新前两个数self.first, self.second = self.second, next_value# 返回下一个斐波那契数return self.first# 创建斐波那契数列迭代器
fib_iterator = FibonacciIterator()# 使用for循环打印前10个斐波那契数
for i, value in enumerate(fib_iterator):if i >= 10:  # 打印前10个数后停止breakprint(value)