迭代器是实现了迭代器协议的类对象，迭代器协议规定了迭代器类必需定义__next()__方法。这篇文章主要介绍了Python中的迭代器,需要的朋友可以参考下
目录
2.Itertools 模块
3.生成器（Generator）
目录结构：
contents structure [-]
在开始文章之前，先贴上一张Iterable、Iterator与Generator之间的关系图：
1. Iterator VS Iterable
迭代器(Iterator)
迭代器是实现了迭代器协议的类对象，迭代器协议规定了迭代器类必需定义__next()__方法。当对迭代器对象调用next()方法时，对象会去调用__next()__计算迭代器的返回值。
可迭代对象(Iterable)
可迭代对象可以是任何对象，不一定是能返回迭代器的数据结构。一个可迭代对象会直接或间接性的调用这两个方法__iter()__和__next()__；其中__iter()__方法只能返回迭代器对象，__next()__则供给迭代器进行调用。
通常情况下，可迭代类都会实现__iter()__和__next()__,并且__iter()__返回它自己，换句话说，该类即是迭代器又是可迭代类。
a_set = {1, 2, 3}#定义set数据类型，set是可迭代类型 b_iterator = iter(a_set)#得到set的迭代器 #Output: 1 print(next(b_iterator)) #Output: print(type(a_set)) #Output: print(type(b_iterator))
从结果可以看出a_set是一个可迭代类型（set类型）,b_iterator是一个迭代器（set_iterator），它们两个是完全不一同的类型。
class Series(object): def __init__(self, low, high): self.current = low self.high = high def __iter__(self): return self def __next__(self): if self.current > self.high: raise stopiteration else: self.current += 1 return self.current - 1 n_list = Series(1,10) print(list(n_list))
从上面的代码可以看出，__iter__返回了迭代器本身。__next__返回迭代器的下一个值，如果没有下一个返回值那么会抛出stopiteration异常。如果没有在合适的位置抛出stopiteration异常结束迭代，那么在某些循环语句中（例如：for loop），将会形成死循环，所以在__next__中必需要在合适位置添加退出语句（抛出StopIterator异常）。
2.Itertools 模块
Itertools是Python的内置模块，其中包含了能够创建迭代器的函数。简而言之，它提供了许多能够与迭代器交互的方法。
下面是我们使用Itertools模块中count函数的案例：
from itertools import count sequence = count(start=0, step=1) while(next(sequence)
输出：
Itertools中的cycle函数可以创建无限迭代器，例如：
from itertools import cycle dessert = cycle(['Icecream','Cake']) count = 0 while(count != 4): print('Q. What do we have for dessert? A: ' + next(dessert)) count+=1
输出：
Q. What do we have for dessert? A: Icecream
Q. What do we have for dessert? A: Cake
Q. What do we have for dessert? A: Icecream
Q. What do we have for dessert? A: Cake
关于更多itertools模块的使用， 可以参见python文档 。
3.生成器（Generator）
生成器可以说是迭代器的亲兄弟，生成器允许我们像上面那样写迭代器而不用额外定义__iter__()和__next__()方法。
看下面的案例：
def series_generator(low, high): while low
如果一个方法中出现了yield关键字，那么该方法就是一个生成器。生成器中没有return语句，函数的返回值实际上是一个generator。当循环开始执行到yield语句后，low的值会被扩展到要返回的generator中。当下一次循环到达yield语句时，generator会从上一次停止的地方恢复执行，并且将最新的low值添加到generator中。循环一直运行下去，直到low>high退出循环。
例如：
def test(): print("进入test函数") for i in range(2): print("yield number ",i) yield i if "__main__" == __name__: print("开始调用test") res = test() print("结束调用test") next(res) next(res)
输出：
开始调用test
结束调用test
第一次next(res)
进入test函数
yield number 0
第二次next(res)
yield number 1
从结果可以看出，只有使用next调用迭代器时（使用for,while循环也可以），才会去执行迭代器函数中的内容。
python中生成器可以分为生成器函数和生成器表达式，生成器函数和生成器表达式是两种不同的类型。
生成器函数是一个函数体中有yield关键字的，我们上面定义的test就是生成器函数。
生成器表达式的使用比较受限制，一个生成器表达式返回一个生成器。下面是一个使用生成器表达式的案例：
squares = (x * x for x in range(1,10)) print(type(squares)) print(list(squares))
输出：
[1, 4, 9, 16, 25, 36, 49, 64, 81]
生成器的效率是非常高的，生成器可以更好的利用内存和cpu的使用效率，并且通常生成器的代码都比较少，这使用生成器的代码非常好容易理解。应此应该尽量多的在代码中使用生成器
参考文档
https://www.datacamp.com/community/tutorials/python-iterator-tutorial
总结
以上所述是小编给大家介绍的Python中的迭代器,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对编程之家网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
