python中迭代器
迭代器：在其內部實現yield方法和next方法的對象。可迭代對象：在類內部實現一個iter方法，並返回一個迭代器。
非同步迭代器：實現了__aiter__()和__anext__()方法的對象，必須返回一個awaitable對象。async_for支持處理非同步迭代器的
__anext__()方法返回的可等侍春待對象，直到引發一個stopAsyncIteration異常謹乎，這個改動由PEP 492引入。
非同步可迭代對象：可在async_for語句中被使用的對象，必須通過它的__aiter__()方法老晌耐返回一個asynchronous_iterator（非同步迭代器）. 這個改動由PEP 492引入。
示例： 不能直接寫在普通方法或者暴露在外面。必須寫在協程函數，任意協程函數均可。
② python迭代器是什麼意思
迭代器（Iterator）：迭代器可以看作是一個特殊的對象，每次調用該對象時會返回自身的下一個元素，從實現上來看，一個迭代器對象
必須是定義了__iter__()方法和next()方法的對象。
Python的Iterator對象表示的是一個數據流，可以把這個數據流看做是一個有序序列，但我們卻不能搜游提前知道序列的長度，所以Iterator
的計算是惰性的，只有在需要返回下一個數據時它才散困會計算；Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據
時拋出StopIteration錯誤；所有的Iterable可迭代對象均可以通過內置函數iter()來轉變為迭代器Iterator。__iter__( )方法是讓對象可以用
for … in循環遍歷時找到數據對象的位置，next( )方法是讓對象可以通過next(實例名)訪問下一個元素。除了通過內置函數next調用可以
判斷是否為迭代器外，還可以通過collection中的Iterator類型判斷。如： isinstance(』』, Iterator)可以判斷字元串類型是否迭代器。注
意： list、dict、str雖然是Iterable，卻不是Iterator。迭代器優點：節約內存（循環過程中，數據不用一次讀入，在處理文件對象時特別
有用，因為文件也是迭代器對象）、不依賴索引取值、實現惰性計算(需要時再取值計算)。
python學習網，免費的世掘銷python學習網站，歡迎在線學習！
③ Python基礎之迭代器
一.什麼是迭代器
迭代器是用來迭代取值的工具。
而涉及到把多個值循環取出來的類型有：列表，字元串，元組，欄位，集合，打開文件等。通過使用的遍歷方式有for···in···，while等，但是，這些方式只適用於有索引的數據類型。為了解決索引取的局限性，python提供了一種 不依賴於索引的取值方式：迭代器
注意：
二.可迭代對象
可迭代對象：但凡內置有__iter__方法的都稱為可迭代對象
常見的可迭代對象：
1.集合數據類型，如list,tuple,dict,set,str等
2.生成器，包括生成器和帶yield的生成器函數。
三.如何創建迭代器
迭代器是一個包含數個值的對象。
迭代器是可以迭代的對象，這意味著您可以遍歷所有值。
從技術上講，在Python中，迭代器是實現迭代器協議的對象，該協議由方法 __iter__() 和 __next__() 組成。
簡而言之，一個類裡面實現了__iter__()和__next__()這兩個魔法方法，那麼這個類的對象就是可迭代對象。
四.迭代器的優缺點
1.優點
2.缺點
五.迭代器示例
另外，如果類Stu繼承了Iterator，那麼Stu可以不用實現__iter__()方法
遍歷迭代器
StopIteration
如果你有足夠的 next() 語句，或者在 for 循環中使用，則上面的例子將永遠進行下去。
為了防止迭代永遠進行，我們可以使用 StopIteration 語句。
在 __next__() 方法中，如果迭代完成指定的次數，我們可以添加一個終止條件來引發錯誤
④ Python：理解迭代器，並用迭代器生成斐波那契數列
-- 斐波那契數列，是有一系列整數組成的數列；
-- 這一數列任意位置上的數值與後一位相加，等於第三位數值；
-- 示例：
-- 方法缺陷：
（1）每次只能獲取一個末位的數值，而不是整個數列；
（2）如果數值太大，運行時間會變得非常的長；
-- 如上面的例子，max_index = 30 的時候程序運行時常只需要 0:00:00.749871 秒，到了 max_index = 40 的時候就已經需要 0:00:57.805053 秒，這種耗時的增速在實際生產中是不能接受的；
-- 該方法的優點：相比與前面的方法，程序運行耗費罩咐的時間相對較快；
-- 該方法的缺陷：該方法使用 result_list = [] 作為一個容器存儲生成的數值，如果數值足夠大這個 list 將會佔用大量內存空間，簡言之： 如果物清純數值過大，會佔用大量內存 ；
-- 有興趣的小夥伴可以嘗試 max_index=10000 時程序的執行情況，看一看程正芹序內存佔用情況；
-- 請注意：你的電腦可能會被卡死！！！
⑤ Python的基礎知識之迭代器
迭代：按照一定的順序訪問集合中的每一個元素，或者叫遍歷（其他語言叫做遍歷）；
可迭代對象（Iterable）：能被迭代的對象，或者說直接作用於for循環的對象，可以通過for..in來遍歷的對象，比如數組（list）、元祖（tuple）字元串等；
迭代器（Iterator）：能作用於next() 函數，並不斷返回下一個值的對象稱為迭代器，是惰性計算的序列（很重要）
1、判斷一個對象是可迭代對象呢？方法是通過collections模塊的Iterable類型判斷
2、判斷一個對象是否是迭代器Iterator對象
3、可迭代對象Iterable轉化為迭代器對象Iterator
4、使用迭代器迭代
1、迭代器的特性
A.惰性計算數據，節省內存
B.能記枝基錄狀態，並通過next()函數執行下早談一個狀態
C.具有可迭代性
2、集合數據類型如list、dict、str、tuple等是可迭代對象Iterable但不是迭代器Iterator，不過可以通過iter()函數轉化為一個Iterator對象
原因：Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。Iterator對象表示一個無限大的數據，集合是有限集合，假如被next()到最後就是沒有返回直接carsh
3、生成器（generator）一定是迭代器，他是一種特殊的迭代器；
如果想了解更多Python知識，請查看
Python的基礎知識之生成器
Python的基猛睜謹礎知識之裝飾器
學無止境，學習Python的夥伴可以多多交流。
⑥ Python中的迭代器與可迭代:iter()和next()
一種自動迭代的更優雅的實現是使用 for循環
在Python中，迭代器（Iterator）和可迭代(iterable)的區別是，迭代器支持 iter ()和 next ()方法；可迭代支持 iter ()方法。可迭代只能在for循環中獲得元素，迭代器還可以用next()方法獲取元素。
list/truple/map/dict都是可迭代，但不是迭代器；這些數據的大銀圓小是確定的；迭代器不是，迭代器不知春蘆道要執行多少次，所以可以理解為不知道有多少個元素，每調用一次next()，就會往下走一步。
凡是可以for循環的，都是Iterable
凡是可扒搏帶以next()的，都是Iterator
⑦ Python什麼是迭代器
iamlaosong文
我們在用for
...
in
...語句循環時，in後面跟隨的對象要求是可迭代對象，即可以直接作用於for循環的對象統稱為可迭代對象（iterable），如list、tuple、dict、set、str等。
可迭代對象是實現了__iter__()方法的對象，而迭代器（iterator）則是實現了__iter__()和__next__()方法的對象，可以顯示地獲取下一個元素。這種可以被next調用並不斷返回下一個值的對象稱為迭代器。迭代器一定是可迭代對象，反過來則不一定成立。用iter()函數可以把list、dict、str等iterable變成iterator，例如：
bb=[x
for
x
in
range(10)]
cc=iter(bb)
cc.next()
循環變數的值其實可以看著是一次次用next取值的過程，每取一個值，做一次處理。list等對象用於循環實際上可以看著是用iter()方法產生一個迭代器，然後循環取值。
生成器（generator）就是一個能返回迭代器的函數，其實就是定義一個迭代演算法，可以理解為一個特殊的迭代器。調用這個函數就得到一個迭代器，生成器中的yield相當於一個斷點，執行到此返回一個值後暫停，從而實現next取值。
⑧ python迭代器和生成器的區別
迭代器
迭代是Python最強大的功能之一，是訪問集合元素的一種方式。
迭代器是一個可以記住遍歷的位置的對象。
迭代器對象從集合的第一個元素開始訪問，直到所有的元素被訪問完結束，迭代器只能往前不會後退。
迭代器有兩個基本的方法：iter()和next()。
生成器
在Python中，使用了yield的函數被稱為生成器。
跟普通函數不同的是，生成器是一個返回迭代器的函數，只能用於迭代操作，更簡單點理解生成器就是一個迭代器。
在調用生成器運行的過程中，每次遇到yield時函數會暫停並保存當前所有的運行信息，返回yield的值，並在下一次執行next()方法時從當前位置繼續運行。
調用一個生成器函數，返回的是一個迭代器對象。
迭代器與生成器之間的區別：
迭代器是一個更抽象的概念，任何對象，如果它的類有NEXTiter方法返回自己本身，對於string、list、dict、tuple等這類容器對象，使用for循環遍歷是很方便的。在後台For語言對容器對象條用iter()函數，iter()是Python的內置函數。iter()會返回一個定義了next()方法迭代器對象，在容器中逐個訪問容器的元素，next()也是Python的內置函數，next()會拋出StopIteration異常。
生成器是創新迭代器的簡單而強大的工具，它們寫起來就好像正則函數，只是在需要返回數據的時候使用yield 語句。
迭代器協議，對象需要提供next()方法，它要麼返回迭代中的下一項，要麼就引起一個StopIteration異常，終止迭代。
可迭代對象，實現了迭代器協議對象。list、tuple、dict都是Iterable可迭代的對象，但不是Iterator迭代器對象。
⑨ Python中的for循環、可迭代對象、迭代器和生成器-
問題：
「迭代是重復反饋過程的活動，其目的通常是為了逼近所需目標或結果。」在Python中，可迭代對象、迭代器、for循環都是和「迭代」密切相關的知識點。
下面我們試著通過實現自定義一下list的迭代過程：
迭代器和生成器總是會被同時提起，那麼它們之間有什麼關聯呢——生成器是一種特殊的迭代器。
⑩ 如何更好地理解Python迭代器和生成器
在Python這門語言中，生成器毫無疑問是最有用的特性之一。與此同時，也是使用的最不廣泛的Python特性之一。究其原因，主要是因為，在其他主流語言裡面沒有生成器的概念。正是由於生成器是一個「新」的東西，所以，它一方面沒有引起廣大工程師的重視，另一方面，也增加了工程師的學習成本，最終導致大家錯過了Python中如此有用的一個特性。
我的這篇文章，希望通過簡單易懂的方式，深入淺出地介紹Python的生成器，以改變「如此有用的特性卻使用極不廣泛」的現象。本文的組織如下：在第1章，我們簡單地介紹了Python中的迭代器協議；在本文第2章，將會詳細介紹生成器的概念和語法；在第3章，將會給出一個有用的例子，說明使用生成器的好處；在本文最後，簡單的討論了使用生成器的注意事項。
1. 迭代器協議
由於生成器自動實現了迭代器協議，而迭代器協議對很多人來說，也是一個較為抽象的概念。所以，為了更好的理解生成器，我們需要簡單的回顧一下迭代器協議的概念。
迭代器協議是指：對象需要提供next方法，它要麼返回迭代中的下一項，要麼就引起一個StopIteration異常，以終止迭代
可迭代對象就是：實現了迭代器協議的對象
協議是一種約定，可迭代對象實現迭代器協議，Python的內置工具(如for循環，sum，min，max函數等)使用迭代器協議訪問對象。
舉個例子：在所有語言中，我們都可以使用for循環來遍歷數組，Python的list底層實現是一個數組，所以，我們可以使用for循環來遍歷list。如下所示：
>>> for n in [1, 2, 3, 4]:
... print n
但是，對Python稍微熟悉一點的朋友應該知道，Python的for循環不但可以用來遍歷list，還可以用來遍歷文件對象，如下所示：
>>> with open(『/etc/passwd』) as f: # 文件對象提供迭代器協議
... for line in f: # for循環使用迭代器協議訪問文件
... print line
...
為什麼在Python中，文件還可以使用for循環進行遍歷呢？這是因為，在Python中，文件對象實現了迭代器協議，for循環並不知道它遍歷的是一個文件對象，它只管使用迭代器協議訪問對象即可。正是由於Python的文件對象實現了迭代器協議，我們才得以使用如此方便的方式訪問文件，如下所示：
>>> f = open('/etc/passwd')
>>> dir(f)
['__class__', '__enter__', '__exit__', '__iter__', '__new__', 'writelines', '...'
2. 生成器
Python使用生成器對延遲操作提供了支持。所謂延遲操作，是指在需要的時候才產生結果，而不是立即產生結果。這也是生成器的主要好處。
Python有兩種不同的方式提供生成器：
生成器函數：常規函數定義，但是，使用yield語句而不是return語句返回結果。yield語句一次返回一個結果，在每個結果中間，掛起函數的狀態，以便下次重它離開的地方繼續執行
生成器表達式：類似於列表推導，但是，生成器返回按需產生結果的一個對象，而不是一次構建一個結果列表
2.1 生成器函數
我們來看一個例子，使用生成器返回自然數的平方（注意返回的是多個值）：
def gensquares(N):
for i in range(N):
yield i ** 2
for item in gensquares(5):
print item,
使用普通函數：
def gensquares(N):
res = []
for i in range(N):
res.append(i*i)
return res
for item in gensquares(5):
print item,
可以看到，使用生成器函數代碼量更少。
2.2 生成器表達式
使用列表推導，將會一次產生所有結果：
>>> squares = [x**2 for x in range(5)]
>>> squares
[0, 1, 4, 9, 16]
將列表推導的中括弧，替換成圓括弧，就是一個生成器表達式：
>>> squares = (x**2 for x in range(5))
>>> squares
<generator object at 0x00B2EC88>
>>> next(squares)
0
>>> next(squares)
1
>>> next(squares)
4
>>> list(squares)
[9, 16]
Python不但使用迭代器協議，讓for循環變得更加通用。大部分內置函數，也是使用迭代器協議訪問對象的。例如， sum函數是Python的內置函數，該函數使用迭代器協議訪問對象，而生成器實現了迭代器協議，所以，我們可以直接這樣計算一系列值的和：
>>> sum(x ** 2 for x in xrange(4))
而不用多此一舉的先構造一個列表：
>>> sum([x ** 2 for x in xrange(4)])
2.3 再看生成器
前面已經對生成器有了感性的認識，我們以生成器函數為例，再來深入探討一下Python的生成器：
語法上和函數類似：生成器函數和常規函數幾乎是一樣的。它們都是使用def語句進行定義，差別在於，生成器使用yield語句返回一個值，而常規函數使用return語句返回一個值
自動實現迭代器協議：對於生成器，Python會自動實現迭代器協議，以便應用到迭代背景中（如for循環，sum函數）。由於生成器自動實現了迭代器協議，所以，我們可以調用它的next方法，並且，在沒有值可以返回的時候，生成器自動產生StopIteration異常
狀態掛起：生成器使用yield語句返回一個值。yield語句掛起該生成器函數的狀態，保留足夠的信息，以便之後從它離開的地方繼續執行
3. 示例
我們再來看兩個生成器的例子，以便大家更好的理解生成器的作用。
首先，生成器的好處是延遲計算，一次返回一個結果。也就是說，它不會一次生成所有的結果，這對於大數據量處理，將會非常有用。
大家可以在自己電腦上試試下面兩個表達式，並且觀察內存佔用情況。對於前一個表達式，我在自己的電腦上進行測試，還沒有看到最終結果電腦就已經卡死，對於後一個表達式，幾乎沒有什麼內存佔用。
sum([i for i in xrange(10000000000)])
sum(i for i in xrange(10000000000))
除了延遲計算，生成器還能有效提高代碼可讀性。例如，現在有一個需求，求一段文字中，每個單詞出現的位置。
不使用生成器的情況：
def index_words(text):
result = []
if text:
result.append(0)
for index, letter in enumerate(text, 1):
if letter == ' ':
result.append(index)
return result
使用生成器的情況：
def index_words(text):
if text:
yield 0
for index, letter in enumerate(text, 1):
if letter == ' ':
yield index
這里，至少有兩個充分的理由說明 ，使用生成器比不使用生成器代碼更加清晰：
使用生成器以後，代碼行數更少。大家要記住，如果想把代碼寫的Pythonic，在保證代碼可讀性的前提下，代碼行數越少越好
不使用生成器的時候，對於每次結果，我們首先看到的是result.append(index)，其次，才是index。也就是說，我們每次看到的是一個列表的append操作，只是append的是我們想要的結果。使用生成器的時候，直接yield index，少了列表append操作的干擾，我們一眼就能夠看出，代碼是要返回index。
這個例子充分說明了，合理使用生成器，能夠有效提高代碼可讀性。只要大家完全接受了生成器的概念，理解了yield語句和return語句一樣，也是返回一個值。那麼，就能夠理解為什麼使用生成器比不使用生成器要好，能夠理解使用生成器真的可以讓代碼變得清晰易懂。
4. 使用生成器的注意事項
相信通過這篇文章，大家已經能夠理解生成器的作用和好處。但是，還沒有結束，使用生成器，也有一點注意事項。
我們直接來看例子，假設文件中保存了每個省份的人口總數，現在，需要求每個省份的人口佔全國總人口的比例。顯然，我們需要先求出全國的總人口，然後在遍歷每個省份的人口，用每個省的人口數除以總人口數，就得到了每個省份的人口佔全國人口的比例。
如下所示：
def get_province_population(filename):
with open(filename) as f:
for line in f:
yield int(line)
gen = get_province_population('data.txt')
all_population = sum(gen)
#print all_population
for population in gen:
print population / all_population
執行上面這段代碼，將不會有任何輸出，這是因為，生成器只能遍歷一次。在我們執行sum語句的時候，就遍歷了我們的生成器，當我們再次遍歷我們的生成器的時候，將不會有任何記錄。所以，上面的代碼不會有任何輸出。
因此，生成器的唯一注意事項就是：生成器只能遍歷一次。
5. 總結
本文深入淺出地介紹了Python中，一個容易被大家忽略的重要特性，即Python的生成器。為了講解生成器，本文先介紹了迭代器協議，然後介紹了生成器函數和生成器表達式，並通過示例演示了生成器的優點和注意事項。在實際工作中，充分利用Python生成器，不但能夠減少內存使用，還能夠提高代碼可讀性。掌握生成器也是Python高手的標配。希望本文能夠幫助大家理解Python的生成器。