迭代器

一、可迭代对象

可直接作用于for循环类型：

集合数据类型，如 list,tuple,dict,set,string等

generator,包括生成器和带yield的函数

这些统称为可迭代对象，Iterable

可以使用isinstance()来判断一个对象是否是Iterable:

True

>>> from collections import Iterable

>>> isinstance([],Iterable)

True

>>> isinstance({},Iterable)

True

>>> isinstance((),Iterable)

True

>>> isinstance("china",Iterable)

True

>>> isinstance(123,Iterable) #数字不是

False

>>> isinstance(range(10),Iterable)

True

>>> isinstance((x for x in range(10)),Iterable)

True

注：而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示      无法继续返回下一个值了。

二、迭代器

迭代器(Iterator):可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象:

>>> isinstance([],Iterator)

False

>>> isinstance({},Iterator)

False

>>> isinstance((),Iterator)

False

>>> isinstance((x for x in range(10)),Iterator)

True

生成器都是Iterator对象，但是想list、dict、tuple、string虽然也是Iterable，却不是迭代器(Iterator)。

三、iter()函数

我们可以使用iter()函数将可迭代对象(Iterable)变成迭代器(Iterator)

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

>>> isinstance(iter([]),Iterator)

True

>>> isinstance(iter({}),Iterator)

True

>>> isinstance(iter(()),Iterator)

True

>>> isinstance(iter("sssss"),Iterator)

True

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

四、可迭代对象的循环

g = (x for x in range(5))

for i in g:

print(i)

#其实相当于

it = iter([0,1,2,3,4])

#print(type(it))

while True:

try:

x = next(it)

print(x)

except StopIteration:

break

五、总结

凡是可作用于for循环的对象都是Iterable类型

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。