python中的Iterable对象和Iterator

参考链接：https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/00143178254193589df9c612d2449618ea460e7a672a366000?tdsourcetag=s_pcqq_aiomsg

可使用for进行迭代的数据类型分为以下两种：

（1）集合数据类型：如dict、list、tuple、set、str等；

（2）generator：包括生成器和yield 的generator function;

注意：

（1）凡是可作用于for循环的对象都是Iterable类型；

（2）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；

（3）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。

（4）第二类对象生成器都是Iterator；

（5）为什么list、dict、str等数据类型不是Iterator？

答：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。

（6）

python中的Iterable对象和Iterator

（这么说，for对第一类Iterable对象操作时，其实也是先将其变成Iterator，再调用next()函数，iter(A)将A变成iterator时会调用A.__iterator__()）

PS：pytorch中使用torch.utils.data.DataLoader创建的对象是一个接口对象，无法使用

延伸：

（1）range和xrange的使用区别：range返回的是一个list，会直接放在内存里（比较占内存）；而xrange返回的是一个iterable对象，每次迭代调用next()传入一个单位数据到内存中（更有助于节约内存）；

（2）关于yield关键字：在函数中使用yield时，它会将函数变成一个generator；用for迭代这个generator function时，yield所在位置相当于一个断点，每次都执行完这个断点，下一次迭代再接着运行剩下的部分再直接到下一次断点，功能相当于print；(1)和（2）可参考：http://www.runoob.com/w3cnote/python-yield-used-analysis.html

（3）python3相对于python2，已不再使用next()方法，改为__next__（）方法，iter()也改为了__iter__()；

python中的Iterable对象和Iterator

相关推荐