首页 > 脚本专栏 > python > Python可迭代对象、迭代器与生成器

Python可迭代对象、迭代器与生成器实现示例详解

2025-08-27 10:21:01 作者：三笠o.0

在Python编程中,生成器、可迭代对象和迭代器是三个非常重要的概念,它们在处理数据序列时起到关键作用,这篇文章主要介绍了Python可迭代对象、迭代器与生成器的相关资料,需要的朋友可以参考下

1. 可迭代对象：

1.1 基本概念：

可迭代对象是指可以通过for...in...这类循环语句遍历读取数据的对象。在Python中，可迭代对象是一个实现了__iter__()方法或__getitem__()方法的对象，它能够返回一个迭代器。

1.2 遍历(迭代)过程：

遍历(迭代)是指程序依次从可迭代对象中把一个个元素取出来的过程。

这个过程通常包括以下步骤：

调用可迭代对象的__iter__()方法获取迭代器对象
重复调用迭代器的__next__()方法获取下一个元素
直到捕获StopIteration异常，表示迭代结束

person = {'name': 'Alice', 'age': 25, 'city': 'New York'}
for key in person:
    print(f"Key: {key}, Value: {person[key]}")

1.3 自定义可迭代对象：

开发者也可以通过实现__iter__()方法来创建自定义的可迭代对象：

class CountDown:
    def __init__(self, start):
        self.start = start
        
    def __iter__(self):
        current = self.start
        while current > 0:
            yield current
            current -= 1

for num in CountDown(5):
    print(num)

1.4 注意：

可迭代对象不同于迭代器，前者可以多次遍历，后者通常只能遍历一次
某些可迭代对象(如生成器)是惰性求值的，只有在迭代时才会计算值
大型数据集使用可迭代对象可以节省内存，因为不需要一次性加载所有数据

with open('data.txt') as file:
    for line in file:
        print(line.strip())

字典操作：遍历字典的键、值或键值对

numbers = [1, 2, 3, 4, 5]
for num in numbers:
    print(num * 2)

文件读取：逐行读取文件内容

with open('data.txt') as file:
    for line in file:
        print(line.strip())

数据处理：遍历列表中的数据进行计算或处理

person = {'name': 'Alice', 'age': 25, 'city': 'New York'}
for key in person:
    print(f"Key: {key}, Value: {person[key]}")

1.6 Python中的常见可迭代对象包括：

序列类型：列表(list)、元组(tuple)、字符串(str)
非序列类型：字典(dict)、集合(set)、文件对象
生成器(generator)和生成器

2. 迭代器：

2.1含义：

迭代器是一种设计模式，它提供了一个可以记住遍历位置的对象。迭代器对象从集合的第一个元素开始访问，通过调用__next__()方法逐个访问元素，直到所有元素被访问完毕。迭代器的特点是只能单向前进，不能后退或重置。

2.2基本特征：

访问方式：通过调用next()方法逐个获取元素
状态保存：内部会记录当前的迭代位置
单向性：只能向前移动，不能后退或重新开始
终止机制：遍历完成后会抛出StopIteration异常

2.3 实现方式：

在Python中，迭代器需要实现两个特殊方法：

iter(): 返回迭代器对象本身
next(): 返回下一个元素

2.4 示例：

class MyIterator:
    def __init__(self, data):
        self.data = data
        self.index = 0
    
    def __iter__(self):
        return self
    
    def __next__(self):
        if self.index >= len(self.data):
            raise StopIteration
        value = self.data[self.index]
        self.index += 1
        return value

# 使用示例
my_iter = MyIterator([1, 2, 3])
for item in my_iter:
    print(item)  # 输出：1 2 3

优点：

统一的访问接口
支持惰性求值
节省内存资源
适用于无限序列

2.5 注意事项：

迭代器是一次性的，遍历完成后需要重新创建
不能随机访问元素
无法预知剩余元素数量

3. 生成器：

3.1概念与定义：

生成器（Generator）是一种特殊的迭代器，它允许你在需要时才生成值，而不是一次性生成所有值。这种特性使得生成器在处理大量数据或无限序列时特别高效。

3.2 基本语法：

在Python中，生成器可以通过两种方式创建：

生成器函数：使用yield关键字代替return的函数

def count_up_to(max):
    count = 1
    while count <= max:
        yield count
        count += 1

生成器表达式：类似列表推导式，但使用圆括号

squares = (x*x for x in range(10))

3.3 特点与优势：

内存高效：只在需要时生成值，不占用大量内存
惰性求值：按需计算，提高性能
无限序列：可以表示无限的数值序列
状态保持：每次yield后保持函数状态

大数据处理：处理大型文件或数据集

def read_large_file(file_path):
    with open(file_path) as f:
        for line in f:
            yield line

流处理：实时数据处理管道

数学序列：斐波那契数列等

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

协程：实现轻量级多任务处理

3.4 高级用法：

send()方法：向生成器发送数据

throw()方法：向生成器抛出异常

close()方法：终止生成器

协程装饰器：简化协程初始化

def accumulator():
    total = 0
    while True:
        value = yield total
        if value is None: break
        total += value

3.5注意事项：

生成器只能迭代一次
不能随机访问或索引
生成器表达式会立即求值外层表达式
要考虑异常处理和资源清理

4. Python中的可迭代对象、迭代器和生成器关系：

4.1 可迭代对象（Iterable）

可迭代对象是指实现了Python迭代协议（即__iter__()方法）的对象，可以通过for..in..循环进行遍历。

常见的可迭代对象包括：

序列类型：list, tuple, str, bytes, range
映射类型：dict
集合类型：set, frozenset
文件对象：打开的文件对象
其他：迭代器对象、生成器对象

4.2 迭代器（Iterator）

迭代器是可迭代对象的子集，它除了实现__iter__()方法外，还必须实现__next__()方法。

迭代器的主要特点：

状态记忆：能够记住当前的遍历位置
单向性：只能向前移动，不能后退或重置
有限性：遍历完毕后会抛出StopIteration异常
惰性计算：每次只产生一个值，节省内存

创建迭代器的方法：

# 通过iter()函数转换可迭代对象
my_list = [1, 2, 3]
iter_obj = iter(my_list)

print(next(iter_obj))  # 1
print(next(iter_obj))  # 2
print(next(iter_obj))  # 3
print(next(iter_obj))  # 抛出StopIteration

4.3 生成器（Generator）

生成器是特殊的迭代器，Python提供两种创建生成器的方式：

生成器函数：

使用yield关键字代替return的函数：

def count_down(n):
    while n > 0:
        yield n
        n -= 1

# 使用示例
for i in count_down(5):
    print(i)  # 输出5,4,3,2,1

生成器表达式：

类似列表推导式的语法：

gen = (x**2 for x in range(5))
print(next(gen))  # 0
print(next(gen))  # 1

生成器的优势在于：

内存高效：不需要一次性生成所有元素
延迟计算：只在需要时才计算值
无限序列：可以表示无限的数据流

判断一个对象是否是可迭代对象可以使用isinstance(obj, Iterable)方法：

from collections.abc import Iterable

print(isinstance([1,2,3], Iterable))  # True
print(isinstance("hello", Iterable))  # True
print(isinstance(123, Iterable))      # False

4.4 三者的包含关系

可以用数学集合表示三者关系：可迭代对象 ⊃ 迭代器 ⊃ 生成器

4.5 总结：

可迭代对象是最大的集合，包含所有可以迭代的对象

迭代器是特殊的可迭代对象，增加了状态记忆能力

生成器是最特殊的迭代器，提供了更简洁的实现方式

总结

到此这篇关于Python可迭代对象、迭代器与生成器的文章就介绍到这了,更多相关Python可迭代对象、迭代器与生成器内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！