Python可迭代对象，迭代器，生成器的区别

三者简要关系图

可迭代对象与迭代器

可迭代对象与迭代器不同点

1）可迭代对象包含迭代器。
2）如果一个对象拥有__iter__方法，其是可迭代对象；如果一个对象拥有next方法，其是迭代器。
3）定义可迭代对象，必须实现__iter__方法；定义迭代器，必须实现__iter__和next方法。
你也许会问，结论3与结论2是不是有一点矛盾？既然一个对象拥有了next方法就是迭代器，那为什么迭代器必须同时实现两方法呢？

因为结论1，迭代器也是可迭代对象，因此迭代器必须也实现__iter__方法。

介绍一下上面涉及到的两个方法：

1）iter()

该方法返回的是当前对象的迭代器类的实例。因为可迭代对象与迭代器都要实现这个方法，因此有以下两种写法。

写法一：用于可迭代对象类的写法，返回该可迭代对象的迭代器类的实例。

写法二：用于迭代器类的写法，直接返回self（即自己本身），表示自身即是自己的迭代器。

也许有点晕，没关系，下面会给出两写法的例子，我们结合具体例子看。

2）next()
返回迭代的每一步，实现该方法时注意要最后超出边界要抛出StopIteration异常。

可迭代对象和可迭代器实例

'''这是自定义的可迭代对象实现
Iterable 判断可迭代
Iterator 迭代器
生成器是特殊的迭代器
'''
from collections import Iterable, Iterator


# 这是可迭代对象
class MyList(object):
    def __init__(self):
        self.items = list()

    def append_item(self, obj):
        self.items.append(obj)

    def __iter__(self):  
        '''需要返回的是一个迭代器'''
        return MyIterator(self.items)


# 这是我的迭代器
# 两个方法记录迭代的位置和记录迭代到的值
class MyIterator:  # 定义可迭代器类
    def __init__(self, items):  
        self.items = items  # 传入参数
        self.current_index = 0  # 当前迭代位置

    def __iter__(self):
        return self  # 返回该可迭代对象的迭代器的实例

    def __next__(self):  # 迭代器类必须实现的方法
        '''在当前的方法里，实现记录位置和值'''
        if self.current_index < len(self.items):
            value = self.items[self.current_index]
            self.current_index += 1
            return value
        else:
            raise StopIteration  # 超出位置则抛出异常


mylist = MyList()  # 用自己的可迭代对象创建
mylist.append_item(1)
mylist.append_item(2)
mylist.append_item(3)
mylist.append_item(4)


print(isinstance(mylist, Iterable))  # 判断是否可迭代对象
for i in mylist:
    print(i)
print(isinstance(mylist, Iterator))  # 判断是否是迭代器

myIterator = iter(mylist)  
print(myIterator)

print('############################')
while True:   # 这是for in循环的本质,通过next遍历迭代器
    try:
        ret = next(myIterator)
        print(ret)
    except StopIteration as e:
        break

iter函数

问题：上面的例子中出现了iter函数，这是什么东西？和__iter__方法有关系吗？
其实该函数与迭代是息息相关的，通过在Python命令行中打印“help(iter)”得知其有以下两种用法。

用法一：iter(callable, sentinel)
不停的调用callable，直至其的返回值等于sentinel。其中的callable可以是函数，方法或实现了__call__方法的实例。
用法二：iter(collection)
1）用于返回collection对象的迭代器实例，这里的collection我认为表示的是可迭代对象，即该对象必须实现__iter__方法；事实上iter函数与__iter__方法联系非常紧密，iter()是直接调用该对象的__iter__()，并把__iter__()的返回结果作为自己的返回值，故该用法常被称为“创建迭代器”。2）iter函数可以显示调用，或当执行“for i in obj:”，Python解释器会在第一次迭代时自动调用iter(obj)，之后的迭代会调用迭代器的next方法，for语句会自动处理最后抛出的StopIteration异常。

生成器

生成器是一种特殊的迭代器，生成器自动实现了“迭代器协议”（即__iter__和next方法），不需要再手动实现两方法。
生成器在迭代的过程中可以改变当前迭代值，而修改普通迭代器的当前迭代值往往会发生异常，影响程序的执行。

具有yield关键字的函数都是生成器，yield可以理解为return，返回后面的值给调用者。不同的是return返回后，函数会释放，而生成器则不会。在直接调用next方法或用for语句进行下一次迭代时，生成器会从yield下一句开始执行，直至遇到下一个yield。

生成器实例

# list_1 = [i for i in range(100)]
gen_2 = (i for i in range(100))  # 生成器保存的是算法

for i in range(101):
    print(next(gen_2))

• 函数有了yield之后，函数名+（）就变成了生成器 return在生成器中代表生成器的中止，直接报错 next的作用是唤醒并继续执行
  send的作用是唤醒并继续执行，发送一个信息到生成器内部

def create_counter(n):
    print("create_counter")
    while True:
        yield n
        print("increment n")
        n +=1

对yield的总结

（1）通常的for…in…循环中，in后面是一个数组，这个数组就是一个可迭代对象，类似的还有链表，字符串，文件。他可以是a = [1,2,3]，也可以是a = [x*x for x in range(3)]。

它的缺点也很明显，就是所有数据都在内存里面，如果有海量的数据，将会非常耗内存。

（2）生成器是可以迭代的，但是只可以读取它一次。因为用的时候才生成，比如a = (x*x for x in range(3))。!!!注意这里是小括号而不是方括号。

（3）生成器（generator）能够迭代的关键是他有next()方法，工作原理就是通过重复调用next()方法，直到捕获一个异常。

（4）带有yield的函数不再是一个普通的函数，而是一个生成器generator，可用于迭代

（5）yield是一个类似return 的关键字，迭代一次遇到yield的时候就返回yield后面或者右面的值。而且下一次迭代的时候，从上一次迭代遇到的yield后面的代码开始执行

（6）yield就是return返回的一个值，并且记住这个返回的位置。下一次迭代就从这个位置开始。

（7）带有yield的函数不仅仅是只用于for循环，而且可用于某个函数的参数，只要这个函数的参数也允许迭代参数。

（8）send()和next()的区别就在于send可传递参数给yield表达式，这时候传递的参数就会作为yield表达式的值，而yield的参数是返回给调用者的值，也就是说send可以强行修改上一个yield表达式值。

（9）send()和next()都有返回值，他们的返回值是当前迭代遇到的yield的时候，yield后面表达式的值，其实就是当前迭代yield后面的参数。

（10）第一次调用时候必须先next（）或send（）,否则会报错，send后之所以为None是因为这时候没有上一个yield，所以也可以认为next（）等同于send(None)