python函数式编程之迭代器
什么是迭代器 顾名思义，就是更新换代的意思 python中的迭代器就是根据上一个结果生成下一个结果，一直循环往复不断重复的过程 迭代器有两个特点： 1.不断重复同一个过程 2.根据上一个结果生成下一个结果 迭代器的定义 先来看两个例子 代码一： while True: cmd = input("input your command: ").strip() print(cmd) 代码二： l1 = ["a", "b", "c", "d"] count = 0 while count < len(l1): print(l1[count]) count += 1 在代码一中，让用户不断输入命令，然后打印用户输入的命令，这是一个不断重复的过程，但是后一个结果跟前一个结果没有什么联系，所以代码一不是迭代器 在代码二中，先定义一个列表l1和count,在count的值小于列表l1的长度中，打印列表中count索引的值，然后count的值加1，这几行代码符合迭代器的定义 代码二的执行过程： 首先，打印列表l1中count索引的值，这是一个不断重复的过程 然后，每循环一次，count的值就在以前的基础上增加1，直到count的值等于列表l1的长度时，循环中止 所以代码一不是迭代器，代码二才是符后迭代器的定义标准 迭代器的作用 python中常见的数据类型包括字符串，列表，元组，字典，集合，文件 我们知道，python中的数据类型又分为有序和无序 对于有序数据类型，可以如上面的代码二所示，使用索引遍历有序数据类型中的元素 而对于无序数据类型，就不可以使用索引来遍历其中的元素了，此时可以使用for循环来遍历其中的元素 现在来看看for循环到底做了哪些事，可以取出无序数据类型中的元素 dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, } for k in dic1: print(k) 执行上面的程序，可以打印出字典dic1中所有的键 实际上,python为了提供一种不依赖于索引的迭代方式，python会为一些对象内置__iter__方法 在python中，如果一个对象有__iter__方法，那么这个对象就是可迭代对象 执行obj.__iter__()方法得到的结果就是迭代器 所以python中的迭代器，都会有__iter__方法和__next__方法 以上面定义的dic1为例 dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, } i = dic1.__iter__() # dic1.__iter__方法执行结果得到一个迭代器i print(i) # 打印迭代器，得到结果：<dict_keyiterator object at 0x0000000002DBD278> print(i.__next__()) # 执行迭代器i中的__next__方法，得到dic1中的一个元素，然后打印迭代出的元素 print(i.__next__()) # 再次执行迭代器的__next__方法，得到dic1的第二个元素，然后打印出来 print(i.__next__()) # 第三次执行迭代器的__next__方法，得到dic1的第三个元素，然后打印出来 由于python的字典是无序的数据类型，所以每次得到的dic1中的元素可能是不相同的 执行三次__next__方法，得到的结果如下 a b c 上面dic1的长度为4，如果执行5次__next__方法，会出错什么结果 dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, } i = dic1.__iter__() print(i.__next__()) print(i.__next__()) print(i.__next__()) print(i.__next__()) print(i.__next__()) 程序执行结果 a File "D:\python3\lib\unittest\loader.py", line 153, in loadTestsFromName b module = __import__(module_name) c File "E:\python_learn\py_code\test.py", line 21, in <module> d print(i.__next__()) StopIteration 可以看到，python解释器在执行第五次__next__方法时，抛出了StopIteration的错误，这说明如果执行__next__方法的次数超出迭代器的长度时，python解释会抛出异常 迭代器的优缺点 迭代器的优点 1.提供一种不依赖于索引的取值方式 2.提供惰性计算，每执行一次__next__方法，只会从迭代器中取出一个值，不管这个数据长度有多大，使用迭代器取值时，每取出一个值，占用的内存空间都一个元素的大小，非常节省内存空间 迭代器的缺点 1.取值比较麻烦。如果想用迭代器的方式取出列表中的第三个值，必须调用三次__next__方法，才能取出第三个值，而前两次取出的值实际上是没有作用的 2.一次性的，只能向后迭代，不能回退。如果运行两次__next__方法后，就不可能回退再去了迭代器的第一个值 3.不能获取到迭代器的长度，只能不停执行__next__方法，直到出现StopIteration的提示，此时才能知道迭代器的长度 for循环的执行过程 定义一个列表，使用for循环遍历取出列表中的值 l1 = ['a', 'b', 'c', 'd'] for i in l1: print(i) 在for循环的执行过程中，实际上for循环是把in后面的对象执行__iter__方法，得到一个迭代器对象，然后不停执行迭代器对象中的__next__方法，得到元素，然后把迭代出来的元素赋值给i，再调用print方法打印元素i，直到for循环捕捉到StopIteration异常，结束循环，程序停止 类似于下面的代码 l1 = ['a', 'b', 'c', 'd'] obj = l1.__iter__() while True: try: i = obj.__next__() print(i) except StopIteration: break 判断一个对象是迭代器对象还是可迭代对象 只要一个对象有__iter__方法，这个对象就是可迭代对象 一个可迭代对象有__next__方法，这个对象就是迭代器对象 判断python中的字符串，列表，元组，字典和文件对象是否是可迭代对象和迭代器对象 示例代码 from collections import Iterable, Iterator s1 = "hello" l1 = ['a', 'b', 'c', 'd'] t1 = ('a', 'b', 'c', 'd') set1 = {'a', 'b', 'c', 'd'} dic1 = {"a": 1, "b": 2, "c": 3, "d": 4, } f1 = open("db.txt", "w", encoding="utf-8") print(isinstance(s1, Iterable)) print(isinstance(l1, Iterable)) print(isinstance(t1, Iterable)) print(isinstance(set1, Iterable)) print(isinstance(dic1, Iterable)) print(isinstance(f1, Iterable)) print("*" * 30) print(isinstance(s1, Iterator)) print(isinstance(l1, Iterator)) print(isinstance(t1, Iterator)) print(isinstance(set1, Iterator)) print(isinstance(dic1, Iterator)) print(isinstance(f1, Iterator)) 执行结果： True True True True True True ****************************** False False False False False True 从上面的例子，可以看出，字符串，列表，元组，集合，字典和文件都是可迭代对象，其中只有文件是迭代器对象 在上面，我们知道，使用for遍历对象中的值时，是把in后面的对象的变为可迭代对象，然后调用__next__方法取出对象中的元素 既然文件本身就是迭代器对象，那使用for循环获取文件的内容时，又是怎么做的呢 先打开一个文件，打印出这个文件对象，再调用文件对象的__iter__方法得到迭代器对象，判断两个对象是否是同一个对象 f1 = open("db.txt", encoding="utf-8") print(f1) obj = f1.__iter__() print(obj) print(obj is f1) 执行结果 <_io.TextIOWrapper name='db.txt' mode='r' encoding='utf-8'> <_io.TextIOWrapper name='db.txt' mode='r' encoding='utf-8'> True 得到结论： 如果一个对象可以被for循环迭代，则这个对象一定是可迭代对象 文件对象被执行__iter__方法，得到的结果仍然是一个迭代器对象
