python迭代器与生成器详解

发表于 5年以前 | 总阅读数：1208 次

例子

老规矩，先上一个代码：


    def add(s, x):
     return s + x

    def gen():
     for i in range(4):
      yield i

    base = gen()
    for n in [1, 10]:
     base = (add(i, n) for i in base)

    print list(base)

这个东西输出可以脑补一下，结果是[20,21,22,23], 而不是[10, 11, 12, 13]。当时纠结了半天，一直没搞懂，后来齐老师稍微指点了一下，突然想明白了--真够笨的，唉。。好了--正好趁机会稍微小结一下python里面的生成器。

迭代器(iterator)

要说生成器，必须首先说迭代器
区分iterable,iterator与itertion
讲到迭代器，就需要区别几个概念:iterable,iterator,itertion, 看着都差不多，其实不然。下面区分一下。

itertion: 就是迭代,一个接一个(one after another),是一个通用的概念，比如一个循环遍历某个数组。
iterable: 这个是可迭代对象,属于python的名词，范围也很广，可重复迭代，满足如下其中之一的都是iterable:
可以for循环: for i in iterable
可以按index索引的对象，也就是定义了getitem方法，比如list,str;
定义了iter方法。可以随意返回。
可以调用iter(obj)的对象，并且返回一个iterator
iterator: 迭代器对象,也属于python的名词，只能迭代一次。需要满足如下的迭代器协议
定义了iter方法，但是必须返回自身
定义了next方法,在python3.x是next。用来返回下一个值，并且当没有数据了，抛出StopIteration
可以保持当前的状态
首先str和list是iterable 但不是iterator:


    In [3]: s = 'hi'

    In [4]: s.__getitem__
    Out[4]: <method-wrapper '__getitem__' of str object at 0x7f9457eed580>

    In [5]: s.next # 没有next方法
    ---------------------------------------------------------------------------
    AttributeError       Traceback (most recent call last)
    <ipython-input-5-136d3c11be25> in <module>()
    ----> 1 s.next

    AttributeError: 'str' object has no attribute 'next'

    In [6]: l = [1,2] # 同理

    In [7]: l.__iter__
    Out[7]: <method-wrapper '__iter__' of list object at 0x7f945328c320>

    In [8]: l.next
    ---------------------------------------------------------------------------
    AttributeError       Traceback (most recent call last)
    <ipython-input-8-c6f8fb94c4cd> in <module>()
    ----> 1 l.next

    AttributeError: 'list' object has no attribute 'next'
    In [9]: iter(s) is s #iter() 没有返回本身
    Out[9]: False
    In [10]: iter(l) is l #同理
    Out[10]: False

但是对于iterator则不一样如下, 另外iterable可以支持多次迭代，而iterator在多次next之后，再次调用就会抛异常,只可以迭代一次。


    In [13]: si = iter(s)

    In [14]: si
    Out[14]: <iterator at 0x7f9453279dd0>

    In [15]: si.__iter__ # 有__iter__
    Out[15]: <method-wrapper '__iter__' of iterator object at 0x7f9453279dd0>

    In [16]: si.next #拥有next
    Out[16]: <method-wrapper 'next' of iterator object at 0x7f9453279dd0>

    In [20]: si.__iter__() is si #__iter__返回自己
    Out[20]: True

这样，由这几个例子可以解释清楚这几个概念的区别。

自定义iterator 与数据分离

说到这里，迭代器对象基本出来了。下面大致说一下，如何让自定义的类的对象成为迭代器对象，其实就是定义iter和next方法:


    In [1]: %paste
    class DataIter(object):

     def __init__(self, *args):
      self.data = list(args)
      self.ind = 0

     def __iter__(self): #返回自身
      return self

     def next(self): #　返回数据
      if self.ind == len(self.data):
       raise StopIteration
      else:
       data = self.data[self.ind]
       self.ind += 1
       return data
    ## -- End pasted text --

    In [9]: d = DataIter(1,2)

    In [10]: for x in d: #　开始迭代
     ....:  print x
     ....:
    1
    2

    In [13]: d.next() #　只能迭代一次,再次使用则会抛异常
    ---------------------------------------------------------------------------
    StopIteration        Traceback (most recent call last)
    ----> 1 d.next()
    <ipython-input-1-c44abc1904d8> in next(self)
      10  def next(self):
      11   if self.ind == len(self.data):
    ---> 12    raise StopIteration
      13   else:
      14    data = self.data[self.ind]

从next函数中只能向前取数据,一次取一个可以看出来，不过不能重复取数据，那这个可不可以解决呢？

我们知道iterator只能迭代一次，但是iterable对象则没有这个限制，因此我们可以把iterator从数据中分离出来，分别定义一个iterable与iterator如下：


    class Data(object): # 只是iterable:可迭代对象而不iterator:迭代器

     def __init__(self, *args):
      self.data = list(args)

     def __iter__(self): # 并没有返回自身
      return DataIterator(self)


    class DataIterator(object): # iterator: 迭代器

     def __init__(self, data):
      self.data = data.data
      self.ind = 0

     def __iter__(self):
      return self

     def next(self):
      if self.ind == len(self.data):
       raise StopIteration
      else:
       data = self.data[self.ind]
       self.ind += 1
       return data

    if __name__ == '__main__':
     d = Data(1, 2, 3)
     for x in d:
      print x,
     for x in d:
      print x,

输出就是：

1,2,3
1,2,3
可以看出来数据可以复用，因为每次都返回一个DataIterator，但是数据却可以这样使用，这种实现方式很常见，比如xrange的实现便是这种数据与迭代分离的形式，但是很节省内存，如下：


    In [8]: sys.getsizeof(range(1000000))
    Out[8]: 8000072

    In [9]: sys.getsizeof(xrange(1000000))
    Out[9]: 40

另外有个小tips，就是为什么可以使用for 迭代迭代器对象，原因就是for替我们做了next的活，以及接收StopIteration的处理。

迭代器大概就记录到这里了，下面开始一个特殊的更加优雅的迭代器: 生成器

生成器(generator)

首先需要明确的就是生成器也是iterator迭代器，因为它遵循了迭代器协议.

两种创建方式

包含yield的函数

生成器函数跟普通函数只有一点不一样，就是把 return 换成yield,其中yield是一个语法糖，内部实现了迭代器协议，同时保持状态可以挂起。如下:


    def gen():
     print 'begin: generator'
     i = 0
     while True:
      print 'before return ', i
      yield i
      i += 1
      print 'after return ', i

    a = gen()

    In [10]: a #只是返回一个对象
    Out[10]: <generator object gen at 0x7f40c33adfa0>

    In [11]: a.next() #开始执行
    begin: generator
    before return 0
    Out[11]: 0

    In [12]: a.next()
    after return 1
    before return 1
    Out[12]: 1

首先看到while True 不必惊慌，它只会一个一个的执行～
看结果可以看出一点东西:

调用gen()并没有真实执行函数，而是只是返回了一个生成器对象
执行第一次a.next()时，才真正执行函数，执行到yield一个返回值，然后就会挂起，保持当前的名字空间等状态。然后等待下一次的调用,从yield的下一行继续执行。
还有一种情况也会执行生成器函数，就是当检索生成器的元素时，如list(generator), 说白了就是当需要数据的时候，才会执行。


    In [15]: def func():
     ....:  print 'begin'
     ....:  for i in range(4):
     ....:   yield i

    In [16]: a = func()

    In [17]: list(a) #检索数据，开始执行
    begin
    Out[17]: [0, 1, 2, 3]

yield还有其他高级应用，后面再慢慢学习。

生成器表达式

列表生成器十分方便：如下,求10以内的奇数:
[i for i in range(10) if i % 2]

同样在python 2.4也引入了生成器表达式，而且形式非常类似，就是把[]换成了().


    In [18]: a = ( i for i in range(4))

    In [19]: a
    Out[19]: <generator object <genexpr> at 0x7f40c2cfe410>

    In [20]: a.next()
    Out[20]: 0

可以看出生成器表达式创建了一个生成器，而且生有个特点就是惰性计算, 只有在被检索时候，才会被赋值。
之前有篇文章:python 默认参数问题及一个应用,最后有一个例子:


    def multipliers():
     return (lambda x : i * x for i in range(4)) #修改成生成器
    print [m(2) for m in multipliers()]

这个就是说，只有在执行m(2)的时候，生成器表达式里面的for才会开始从0循环，然后接着才是i * x,因此不存在那篇文章中的问题。

惰性计算这个特点很有用，上述就是一个应用，2gua这样说的:

性计算想像成水龙头，需要的时候打开，接完水了关掉，这时候数据流就暂停了，再需要的时候再打开水龙头，这时候数据仍是接着输出，不需要从头开始循环
其实本质跟迭代器差不多,不一次性把数据都那过来，需要的时候，才拿。

回到例子

看到这里，开始的例子应该大概可以有点清晰了，核心语句就是:


    for n in [1, 10]:
     base = (add(i, n) for i in base)

在执行list(base)的时候，开始检索，然后生成器开始运算了。关键是，这个循环次数是2,也就是说，有两次生成器表达式的过程。必须牢牢把握住这一点。

生成器返回去开始运算，n = 10而不是1没问题吧，这个在上面提到的文章中已经提到了，就是add(i, n)绑定的是n这个变量，而不是它当时的数值。

然后首先是第一次生成器表达式的执行过程:base = (10 + 0, 10 + 1, 10 + 2, 10 +3),这是第一次循环的结果(形象表示，其实已经计算出来了(10,11,12,3))，然后第二次，base = (10 + 10, 11 + 10, 12 + 10, 13 + 10) ,终于得到结果了[20, 21, 22, 23].

具体执行过程可以在pythontutor上手动看看执行过程。

小结

概括
主要介绍了大概这样几点：

1.iterable,iterator与itertion的概念
2.迭代器协议
自定义可迭代对象与迭代器分离，保证数据复用
3.生成器: 特殊的迭代器,内部实现了迭代器协议

其实这一块，那几个概念搞清楚， ,这个很关键，搞懂了后面就水到渠成了。而且对之前的知识也有很多加深。
比如常见list就是iterator与iteable分离实现的,本身是可迭代对象，但不是迭代器，类似与xrange,但是又不同。
越来越明白，看源码的重要性了。有地方写的不合适的，请指正。

参考

http://www.shutupandship.com/2012/01/understanding-python-iterables-and.html
http://www.learningpython.com/2009/02/23/iterators-iterables-and-generators-oh-my/
http://stackoverflow.com/questions/9884132/what-exactly-are-pythons-iterator-iterable-and-iteration-protocols
http://python.jobbole.com/81881/