python迭代器与生成器小结

摘要：迭代器要说生成器，必须首先说迭代器区分与讲到迭代器，就需要区别几个概念看着都差不多，其实不然。比如常见就是与分离实现的本身是可迭代对象，但不是迭代器，类似与但是又不同。

2016.3.10关于例子解释的补充更新
源自我的博客

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。

要说生成器，必须首先说迭代器

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]: 

In [5]: s.next # 没有next方法
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
 in ()
----> 1 s.next

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

In [6]: l = [1,2] # 同理

In [7]: l.__iter__
Out[7]: 

In [8]: l.next
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
 in ()
----> 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]: 

In [15]: si.__iter__ # 有__iter__
Out[15]: 

In [16]: si.next #拥有next
Out[16]: 

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。

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()
 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

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.

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:
记住一点，yield是数据的生产者，而诸如for等是数据的消费者。

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]: 

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。

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]:  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:

惰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

个人理解就是就是可以利用生成器来作为数据管道使用，当被检索的时候，每次拿出一个数据，然后向下面传递,传到最后，再拿第二个数据，在下面的例子中会详细说明。
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。

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:

def gen():
    for i in range(4):
        yield i
for n in [1, 10]:
    base = (add(i, n) for i in base)

之前的解释有点瑕疵，容易误导对生成器的理解:
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].

新思路
这个可以以管道的思路来理解，首先gen()函数是第一个生成器,下一个是第一次循环的base = (add(i, n) for i in base),最后一个生成器是第二次循环的base = (add(i, n) for i in base)。
这样就相当于三个管道依次连接,但是水(数据)还没有流过，现在到了list(base),就相当于驱动器，打开了水的开关，这时候，按照管道的顺序，由第一个产生一个数据，yield 0,然后第一个管道关闭。
之后传递给第二个管道就是第一次循环,此时执行了add(0, 10),然后水继续流，到第二次循环，再执行add(10, 10),此时到管道尾巴了，此时产生了第一个数据20,然后第一个管道再开放：yield 1,　流程跟上面的一样，依次产生21,22,23; 直到没有数据。
把代码改一下容易理解:

def gen():
    for i in range(4):
        yield i  #  第一个管道

base = (add(i, 10) for i in base) #  第二个管道
base = (add(i, 10) for i in base) #  第三个管道

list(base) #  开关驱动器

具体执行过程可以在pythontutor上：
之前的解释被误导的原因是，可能会误以为是在第二个管道就把gen()执行完毕了，其实不是这样的。
这种写法的好处显而易见：内存占用低。在数据量极大的时候，用list就只能爆内存，而用生成器模式则完全不用担心

主要介绍了大概这样几点：

iterable,iterator与itertion的概念

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

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。

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/