python 面试必问题目 - 可迭代对象，迭代器，生成器

1. 可迭代对象

在python中我们可以通过for循环来遍历列表，元组，这种遍历我们称为迭代(Iteration)。在python中凡是可以通过for ... in进行迭代的对象，它就是可迭代对象。

1.1 如何判断一个对象是可迭代对象

from collections.abs import Iterable
isinstance('abc', Iterable)

1.2 迭代协议

python中对象要提供迭代支持，必须定义一个__iter__方法，这个方法返回一个迭代器对象。

2. 迭代器(Iterator)

前面我们讲过可以通过for循环迭代的对象称为可迭代对象:Iteralbe。在底层for循环是先通过内置函数iter()将可迭代对象转换成一个迭代器，然后将其传入next()函数调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

In [8]: ls = [1,2,3]
In [9]: ls = iter(ls)
In [10]: ls
Out[10]: <list_iterator at 0x225a33d8bb0>
In [11]: next(ls)
Out[11]: 1
In [12]: next(ls)
Out[12]: 2
In [13]: next(ls)
Out[13]: 3
In [14]: next(ls)
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-14-2a26c7e4d7fa> in <module>
----> 1 next(ls)
StopIteration:

所以可以被next()函数调用并不断返回下一个值的对象称为迭代器：Interator。

2.1 如何判断一个对象是迭代器对象

from collections.abc import Iterator
ls = [1,2,3]
ls = iter(ls)
isinstance(ls, Iterator)

2.2 迭代器协议

迭代器对象自身需要支持以下两个方法，它们共同组成了迭代器协议：

• iterator.__inter__()

  返回迭代器对象本身。

• iterator.__next__()

  从对象中返回下一个值。如果没有可返回值，则引发StopIteration异常。

2.3 迭代器的作用

python中迭代器对象表示的是一个数据流，迭代器对象可以被next()函数不断调用返回下一个数据，直到没有数据抛出StopIteration异常。这个数据流像一个列表，但我们却不能提前知道它的长度，只能不断通过next()函数实现按需计算下一个数据，迭代器的计算是惰性的，只有在需要返回下一个数据时，它才会计算。

迭代器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。

3、生成器

在python中创建元素数量巨大的列表不仅占用很大的内存，如果仅仅只需要访问某几个元素，那其他绝大多数元素占用的空间就白白浪费了。

所以，如果列表中的元素可以按照某种算法推算出来，那如果可以在循环的过程中不断推算出后续的元素，就可以不用创建完整的列表，从而节省大量的空间。

在python中，这种一边循环一边计算的机制，称为生成器(generator)

要创建一个generator，很多种方法。

3.1、生成器表达式

最简单的方式是把列表生成式的[]改成(),就创建了一个generator。

In [16]: g = (i**2 for i in range(10))

In [17]: g
Out[17]: <generator object <genexpr> at 0x00000225A239A510>

In [18]: next(g)
Out[18]: 0

In [19]: next(g)
Out[19]: 1

生成器也是迭代器，当然也可以通过for循环进行迭代。

In [20]: for item in (g):
    ...:     print(item)
    ...:
4
9
16
25
36
49
64
81

3.2、生成器函数

如果推算的算法比较复杂，用生成器表达式无法实现的时候，还可以通过函数来 实现。

比如，斐波拉契数列，除第一个和第二数外，任意一个数都等于前两个数的和：

0,1,1,2,3,5,8,...

def fib(n):
    a, b = 0, 1
    for _ in range(n):
    	print(a)
    	a,b = b, a+b
fib(10)
0
1
1
2
3
5
8
13
21
34

但是函数fib虽然包含了推算斐波拉契数列的算法规则，但是却是一次性算出了所有的值，和generator的逻辑很像。要将fib函数变成generator,只需要将print(a)改成yield a就可以了:

In [24]: def fib(n):
    ...:     a, b = 0, 1
    ...:     for _ in range(n):
    ...:         yield a
    ...:         a,b = b, a+b
    ...: g = fib(10)
    ...: g
Out[24]: <generator object fib at 0x00000225A3D4E9E0>

In [25]: next(g)
Out[25]: 0

In [26]: next(g)
Out[26]: 1

In [27]: for item in g:
    ...:     print(item)
    ...:
1
2
3
5
8
13
21
34

这就是定义generator的另一种方法。如果一个函数的定义中使用了yield关键字，那么这个函数就不再是一个普通的函数，而是一个生成器这时候调用函数返回的就是一个生成器对象