在了解Python的數據結構時，容器(container)、可叠代對象(iterable)、叠代器(iterator)、生成器(generator)、列表/集合/字典推導式(list,set,dict comprehension)眾多概念參雜在一起，難免讓初學者一頭霧水，我將用一篇文章試圖將這些概念以及它們之間的關系捋清楚。

1. 容器(container)

容器是一種把多個元素組織在一起的數據結構，容器中的元素可以逐個地叠代獲取，可以用in, not in關鍵字判斷元素是否包含在容器中。通常這類數據結構把所有的元素存儲在內存中（也有一些特例，並不是所有的元素都放在內存，比如叠代器和生成器對象）在Python中，常見的容器對象有：

• list, deque, ….
• set, frozensets, ….
• dict, defaultdict, OrderedDict, Counter, ….
• tuple, namedtuple, …
• str

容器比較容易理解，因為你可以把它看作是一個盒子、一棟房子、一個櫃子，裏面可以塞任何東西。從技術角度來說，當一個對象被詢問是否某個元素包含在其中時，那麽這個對象就可以認為是一個容器，比如list，set，tuples都是容器對象：

print(assert 1 in [1, 2, 3])      # lists

print(assert 4 not in [1, 2, 3])

print(assert 1 in {1, 2, 3})      # sets

print(assert 4 not in {1, 2, 3})

print(assert 1 in (1, 2, 3))      # tuples

print(assert 4 not in (1, 2, 3))

 

詢問某元素是否用dict中的key：

d = {1: ‘foo‘, 2: ‘bar‘, 3: ‘qux‘}

print(assert 1 in d)
print(assert ‘foo‘ not in d)  # ‘foo‘ 不是dict中的元素

詢問某substring是否在string中：

s = ‘foobar‘

print(assert ‘b‘ in s)
print(assert ‘x‘ not in s)
print(assert ‘foo‘ in s)

盡管絕大多數容器都提供了某種方式來獲取其中的每一個元素，但這並不是容器本身提供的能力，而是可叠代對象賦予了容器這種能力。

當然並不是所有的容器都是可叠代的，比如：Bloom filter，雖然Bloom filter可以用來檢測某個元素是否包含在容器中，但是並不能從容器中獲取其中的每一個值，因為Bloom filter，布隆過濾器壓根就沒把元素存儲在容器中，而是通過一個散列函數映射成一個值保存在數組中。

2. 可叠代對象(iterable)

剛才說過，很多容器都是可叠代對象，此外還有更多的對象同樣也是可叠代對象，比如處於打開狀態的files，sockets等。但凡是可以返回一個叠代器的對象，都可稱之為可叠代對象，聽起來可能有點困惑，沒關系，先看一個例子：

x = [1, 2, 3]

y = iter(x)
z = iter(x)

print(next(y))            # 1
print(next(y))            # 2
print(next(z))            # 1
print(type(x))            # <class ‘list‘>
print(type(y))            # <class ‘list_iterator‘>

這裏的x是一個可叠代對象，可叠代對象和容器一樣是一種通俗的叫法，並不指某種具體的數據類型：list是可叠代對象，dict是可叠代對象，set也是可叠代對象。
y和z是兩個獨立的叠代器，叠代器內部持有一個狀態，該狀態用於記錄當前叠代所在的位置，以方便下次叠代的時候獲取正確的元素。叠代器有一種具體的叠代器類型，比如list_iterator，set_iterator。可叠代對象實現了iter方法，該方法返回一個叠代器對象。

當運行代碼：

x = [1, 2, 3]

for elem in x:
.
.
.

實際執行情況是：

反編譯該段代碼，你可以看到解釋器顯示地調用GET_ITER指令，相當於調用iter(x)，FOR_ITER指令就是調用next()方法，不斷地獲取叠代器中的下一個元素，但是你沒法直接從指令中看出來，因為它被解釋器優化過了。

import dis

x = [1, 2, 3]
dis.dis(‘for _ in x: pass‘)

‘‘‘反編譯後，得到的指令
 1           0 SETUP_LOOP              12 (to 14)
              2 LOAD_NAME                0 (x)
              4 GET_ITER
        >>    6 FOR_ITER                 4 (to 12)
              8 STORE_NAME               1 (_)
             10 JUMP_ABSOLUTE            6
        >>   12 POP_BLOCK
        >>   14 LOAD_CONST               0 (None)
             16 RETURN_VALUE
‘‘‘

3. 叠代器(iterator)

那麽什麽是叠代器呢？它是一個帶狀態的對象，能在你調用next()方法時，返回容器中的下一個值。任何實現了iter和next()（python2中實現next()）方法的對象都是叠代器，iter返回叠代器自身，next返回容器中的下一個值，如果容器中沒有更多元素了，則拋出StopIteration異常，至於它們到底是如何實現的這並不重要。

所以，叠代器就是實現了工廠模式的對象，它在你每次詢問要下一個值時，給你返回。有很多關於叠代器的例子，比如itertools函數返回的都是叠代器對象。

• 生成無限序列

from itertools import count

counter = count(start=13)

print(next(counter))   # 13
print(next(counter))   # 14

• 從一個有限序列中生成無限序列

from itertools import cycle

colors = cycle([‘red‘, ‘white‘, ‘blue‘])

print(next(colors))        # ‘red‘
print(next(colors))        # ‘white‘
print(next(colors))        # ‘blue‘
print(next(colors))        # ‘red‘

• 從無限的序列中生成有限序列

from itertools import islice

colors = cycle([‘red‘, ‘white‘, ‘blue‘])  # infinite
limited = islice(colors, 0, 4)            # finite

for x in limited:                         
    print(x)

‘‘‘輸出對象    
red
white
blue
red
‘‘‘

為了更直觀地感受叠代器內部的執行過程，我們自定義一個叠代器，以斐波那契數列為例

from itertools import islice

class Fib:
    def __init__(self):
        self.prev = 0
        self.curr = 1

    def __iter__(self):
        return self

    def __next__(self):
        value = self.curr
        self.curr += self.prev
        self.prev = value
        return value

f = Fib()
list(islice(f, 0, 10))        # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

Fib既是一個可叠代對象（因為它實現了iter方法），又是一個叠代器（因為實現了next方法）；實例變量prev和curr用於維護叠代器內部的狀態；每次調用next()方法時，python做了兩件事：

1. 為當前這次調用生成返回結果
2. 為下一次調用next()方法修改狀態

叠代器就像一個懶加載的工廠，等到有人需要的時候才生成值並返回，沒調用的時候就處於休眠狀態，等待下一次調用。

4. 生成器(generator)

生成器算得上是Python語言中最吸引人的特性之一，生成器其實是一種特殊的叠代器，不過這種叠代器更加優雅。它不需要再像上面的類一樣寫iter()和next()方法了，只需要一個yiled關鍵字。 生成器一定是叠代器（反之不成立），因此任何生成器也是以一種懶加載的模式來生成值。用生成器來實現斐波那契數列：

from itertools import islice

def fib():
    prev, curr = 0, 1
    while True:
        yield curr           # 循環探針yield
        prev, curr = curr, curr + prev

f = fib()
list(islice(f, 0, 10))       # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

fib就是一個普通的python函數，它特殊的地方在於函數體中沒有return關鍵字，函數的返回值是一個生成器對象。當執行f=fib()返回的是一個生成器對象，此時函數體中的代碼並不會執行，只有顯示或隱示地調用next時，才會真正執行裏面的代碼。

生成器在Python中是一個非常強大的編程結構，可以用更少的中間變量寫流式代碼。此外，相比其它容器對象，它更能節省內存和CPU，用更少的代碼來實現相似的功能。現在就可以動手重構你的代碼了，但凡看到類似：

def something():
    result = []
    for ... in ...:
        result.append(x)
    return result

都可以用生成器函數來替換：

def iter_something():
    for ... in ...:
        yield x

5. 生成器表達式(generator expression)

生成器表達式是列表推導式的生成器版本，看起來像列表推導式，但它返回的是一個生成器對象而不是列表對象。

a = (x*x for x in range(10))

print(sum(a))         # 285
a                     # <generator object <genexpr> at 0x401f08> 

6. 總結

• 容器是一系列元素的集合，str、list、set、dict、file、sockets對象都可以看作是容器。容器都可以被叠代（for，while等語句），因此它們被稱為可叠代對象。

• 可叠代對象實現了iter方法，該方法返回一個叠代器對象。

• 叠代器持有一個內部狀態的字段，用於記錄下次叠代返回值，它實現了next和iter方法，叠代器不會一次性把所有元素加載到內存，而是需要的時候才生成返回結果。
• 生成器是一種特殊的叠代器，它的返回值不是通過return而是用yield。

原文鏈接 https://blog.csdn.net/yjk13703623757/article/details/79364896

Python學習筆記（4）：容器、叠代對象、叠代器、生成器、生成器表達式