python--递归函数匿名函数嵌套函数高阶函数装饰器生成器迭代器

Posted 2021-03-06 doumingyi

一、递归函数

在函数内部，可以调用其他函数。但是在一个函数在内部调用自身，这个函数被称为递归函数

def calc(n):
    print(n)
    if int(n/2) == 0:  #结束符
        return n
    return calc(int(n/2))  #调用函数自身
 
m = calc(10)
print(‘----->‘,m)
 
#输出结果
10
5
2
1
-----> 1 #最后返回的值

递归特性:

1. 必须有一个明确的结束条件

2. 每次进入更深一层递归时，问题规模相比上次递归都应有所减少

3. 递归效率不高，递归层次过多会导致栈溢出（在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出）

堆栈详情：http://www.cnblogs.com/lln7777/archive/2012/03/14/2396164.html 

递归函数使用案例：

1+2+3+4+.....+100的例子，代码如下：

def add_to_100(n):
    if n == 0:
        return n
    return n + add_to_100(n - 1)


n = add_to_100(100)
print(n)

# 输出结果
5050

View Code

二分查找，代码如下：

 1 def binary_search(dataset, find_num):
 2     print(dataset)
 3 
 4     if len(dataset) > 1:
 5         mid = int(len(dataset) / 2)
 6         if dataset[mid] == find_num:  # find it
 7             print("找到数字", dataset[mid])
 8         elif dataset[mid] > find_num:  # 找的数在mid左面
 9             print("33[31;1m找的数在mid[%s]左面33[0m" % dataset[mid])
10             return binary_search(dataset[0:mid], find_num)
11         else:  # 找的数在mid右面
12             print("33[32;1m找的数在mid[%s]右面33[0m" % dataset[mid])
13             return binary_search(dataset[mid + 1:], find_num)
14     else:
15         if dataset[0] == find_num:  # find it
16             print("找到数字啦", dataset[0])
17         else:
18             print("没的分了,要找的数字[%s]不在列表里" % find_num)
19 
20 
21 binary_search(data, 66)
22 
23 
24 #输出结果
25 [1, 3, 6, 7, 9, 12, 14, 16, 17, 18, 20, 21, 22, 23, 30, 32, 33, 35]
26 找的数在mid[18]右面
27 [20, 21, 22, 23, 30, 32, 33, 35]
28 找的数在mid[30]右面
29 [32, 33, 35]
30 找的数在mid[33]右面
31 [35]
32 没的分了,要找的数字[66]不在列表里

View Code

 

二、匿名函数

匿名函数就是不需要显式的指定函数，跟普通函数的最大区别就是不用特意用def 关键字去定义

# 这段代码
def calc(n):
    return n ** n
print(calc(10))


# 换成匿名函数
calc = lambda n: n ** n
print(calc(10))

匿名函数主要是和其它函数搭配使用，可以优化代码，如下：

res = map(lambda x:x**2,[1,5,7,4,8])
for i in res:
    print(i)

 

三、嵌套函数

嵌套函数，顾名思义就是函数里面套函数，在一个函数的函数体内，用def 去声明一个函数，而不是去调用其他函数，称为嵌套函数

name = "apple"


def change_name():
    name = "apple1"

    def change_name2():
        name = "apple2"
        print("第3层打印", name)

    change_name2()  # 调用内层函数
    print("第2层打印", name)


change_name()
print("最外层打印", name)

 注：主要用于装饰器

 

四、高阶函数

变量可以指向函数（把函数名，即函数的栈内存地址当成变量的值，函数名作为变量），函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，说白了，高阶函数功能就是：把函数本身当做一个参数，传到另一个函数中，然后在这个函数中做处理，这种函数就称之为高阶函数：

# 普通函数
def test_1(a, b):
    return a + b


# 高阶函数
def test_2(a, b, f):
    return f(a) + f(b)


print("-----test_1-----")
res = test_1(1, -3)
print(res)
print("-----test_2-----")
res = test_2(1, -3, abs)  # 把abs这个内置函数当做参数传进去
print(res)

# 输出结果
-----test_1-----
-2
-----test_2-----
4

实现高阶函数有两个条件：

4.1、把一个函数名当做实参传给另外一个函数

import time as t

def bar():
    t.sleep(3)
    print("in the bar")


def test1(func):
    print(func)
    start_time = t.time()
    func()
    stop_time = t.time()
    print("the func run the is %s" % (stop_time - start_time))


# 没有修改bar的代码
test1(bar)  # 把bar函数名当做实参传到test1中

#输出结果
<function bar at 0x01220810> #bar函数的内存地址
in the bar
the func run the is 3.0000081062316895

4.2、返回值中包含函数名

import time as t

def bar():
    t.sleep(3)
    print("in the bar")


def test2(func):
    print(func)
    return func  #返回函数的内存地址

#调用test2函数
bar = test2(bar)
bar()  #没有bar函数改变调用方式

#输出结果
<function bar at 0x03570810> #bar函数的内存地址
in the bar

注：主要用于装饰器

 

五、函数式编程介绍

函数是Python内建支持的一种封装，我们通过把大段代码拆成函数，通过一层一层的函数调用，就可以把复杂任务分解成简单的任务，这种分解可以称之为面向过程的程序设计。函数就是面向过程的程序设计的基本单元。

函数式编程中的函数这个术语不是指计算机中的函数（实际上是Subroutine），而是指数学中的函数，即自变量的映射。也就是说一个函数的值仅决定于函数参数的值，不依赖其他状态。比如sqrt(x)函数计算x的平方根，只要x不变，不论什么时候调用，调用几次，值都是不变的。

 

Python对函数式编程提供部分支持。由于Python允许使用变量，因此，Python不是纯函数式编程语言。

一、定义

简单说，"函数式编程"是一种"编程范式"（programming paradigm），也就是如何编写程序的方法论。

主要思想是把运算过程尽量写成一系列嵌套的函数调用。举例来说，现在有这样一个数学表达式：

(1 + 2) * 3 - 4

传统的过程式编程，可能这样写：

var a = 1 + 2;

var b = a * 3;

var c = b - 4;

函数式编程要求使用函数，我们可以把运算过程定义为不同的函数，然后写成下面这样：

var result = subtract(multiply(add(1,2), 3), 4);

再演进以下，可以变成这样:

add(1,2).multiply(3).subtract(4)

函数式编程只是介绍，python 并不适合函数式编程，Erlang,Haskell更适合

 

六、装饰器

装饰器本质是函数，是用来装饰其他函数，顾名思义就是，为其他的函数添加附件功能的。

6.1、装饰器原则：

1. 不能修改被装饰函数的源代码

2. 不能修改被装饰函数的调用方式

def logging():
    print("logging...")


# 正确写法，没有修改源码
def test1():
    pass


# 错误写法，不能修改源码
def test1():
    pass
    logging()


# 调用方式，也不能被修改
test1()

View Code

6.2、装饰器知识：

1. 函数即"变量"
2. 高阶函数+嵌套函数 =》装饰器

6.2.1、函数即”变量“

python的内存机制，看如下代码：

#变量
x = 1
#函数
def test():
    pass

在内存图中是这样表示的：

x、test 是变量名，保存在栈内存中，1、函数体  保存在堆内存中 

 6.2.2、高阶函数+嵌套函数 =》装饰器

装饰器实现过程：

第一步：原始代码

def home():
    print("----首页----")


def TV():
    print("----TV----")


def music():
    print("----music----")

View Code

第二步：想给部分模块加个登陆认证

user_status = False  # 用户登录了就把这个改成True


def login():
    _username = "ABC"  # 假装这是DB里存的用户信息
    _password = "12345"  # 假装这是DB里存的用户信息
    global user_status

    if user_status == False:
        username = input("user:")
        password = input("pasword:")

        if username == _username and password == _password:
            print("welcome login....")
            user_status = True
        else:
            print("wrong username or password!")
    else:
        print("用户已登录，验证通过...")


def home():
    print("----首页----")


def TV():
    login()  # 执行前加上验证
    print("----TV----")


def music():
    print("----music----")

View Code

虽然这样实现了认证功能，但是修改了被装饰函数的源代码，违背了装饰器的原则”不能修改被装饰函数的源代码“

第三步：代码改进，使用高阶函数理念，把函数名当参数传递给认证函数login，这样可以不修改被装饰函数源代码的情况下完成登陆认证

user_status = False  # 用户登录了就把这个改成True


def login(func):
    _username = "ABC"  # 假装这是DB里存的用户信息
    _password = "12345"  # 假装这是DB里存的用户信息
    global user_status

    if user_status == False:
        username = input("user:")
        password = input("pasword:")

        if username == _username and password == _password:
            print("welcome login....")
            user_status = True
        else:
            print("wrong username or password!")
    if user_status == True:
        print("用户已登录，验证通过...")
        func() #只要验证通过了，就调用相应功能


def home():
    print("----首页----")


def TV():
    print("----TV----")


def music():
    print("----music----")


login(TV) #需要验证就调用 login，把需要验证的功能 当做一个参数传给login  

View Code

虽然这样可以不修改被装饰函数源代码的情况下完成登陆认证，但是违背了装饰器原则”修改了被装饰函数的调用方式“，本来被装饰函数只需要TV()就可调用，现在变成了login(TV)

第四步：代码改进，使用匿名函数理念，将login(TV)变成 TV = login(TV) ，将函数当成值，赋值给变量名TV，跟关键字def 重新定义了TV是一样的效果，不过这样还有一个问题， TV = login(TV)这个赋值过程中，就把函数TV给调用了，用户自己还没有调用，就自己自动调用肯定是不对的，这个时候需要用到嵌套函数的理念了，在认证函数login里面的再定义一个新函数login_inner，在login函数return(返回)login_inner函数名（对是return login_inner, 不是return  login_inner(), 因为return 函数名 返回的是函数在栈内容的内存地址，return 函数名+() 返回的是该函数的执行结果） 这样在TV = login(TV)赋值的时候，TV赋值的就不是 login(TV)的执行结果了，赋值的值是login_inner的内存地址，等用户再调用的时候 就是TV()，这样就没有改变被装饰函数的调用方式了。

user_status = False #用户登录了就把这个改成True


def login(func):
    #在login 里面增加一个嵌套函数,保证tv = login(tv)的时候 不会自己自动调用 tv函数
    def login_inner():
        _username = "ABC" #假装这是DB里存的用户信息
        _password = "12345" #假装这是DB里存的用户信息
        global user_status

        if user_status == False:
            username = input("user:")
            password = input("pasword:")

            if username == _username and password == _password:
                print("welcome login....")
                user_status = True
            else:
                print("wrong username or password!")
        if user_status == True:
            print("用户已登录，验证通过...")
            func() #只要验证通过了，就调用相应功能

    return login_inner  # return 函数名 返回的是函数在栈内容的内存地址，return 函数名+() 返回的是该函数的执行结果


def home():
    print("----首页----")


def TV():
    print("----TV----")


def music():
    print("----music----")


home()
#login(TV) #改成下面的方式，这样就不会改变调用方式了
TV = login(TV)
TV()

View Code

每次使用装饰器都这么麻烦？需要使用匿名函数重新赋值再调用？

第五步：其实可以把TV =login(TV),的赋值过程简化成在被装饰函数前@login 就好了，如下列代码： 

user_status = False #用户登录了就把这个改成True


def login(func):
    #在login 里面增加一个嵌套函数,保证tv = login(tv)的时候 不会自己自动调用 tv函数
    def login_inner():
        _username = "ABC" #假装这是DB里存的用户信息
        _password = "12345" #假装这是DB里存的用户信息
        global user_status

        if user_status == False:
            username = input("user:")
            password = input("pasword:")

            if username == _username and password == _password:
                print("welcome login....")
                user_status = True
            else:
                print("wrong username or password!")
        if user_status == True:
            print("用户已登录，验证通过...")
            func() #只要验证通过了，就调用相应功能

    return login_inner  # return 函数名 返回的是函数在栈内容的内存地址，return 函数名+() 返回的是该函数的执行结果



def home():
    print("----首页----")


@login
def TV():
    print("----TV----")


def music():
    print("----music----")


home()
TV()

View Code

 

装饰器装饰没有参数的函数：

import time as t


# 定义装饰器函数
def timmer(func):  # 把test1这个函数名作为参数传递进来 func=test1
    # 定义装饰器中的内置函数
    def deco():
        start_time = t.time()
        func()  # 相当于运行test1()
        stop_time = t.time()
        print("the func run time is %s" % (stop_time - start_time))

    return deco


# 装饰test1函数
@timmer  # 相当于test1 = timmer(test1)
def test1():
    t.sleep(3)
    print("in the test1")


# 直接执行test1函数
test1()

#输出结果
in the test1
the func run time is 3.000622272491455

View Code

装饰器装饰带有参数的函数：

import time as t


def timmer(func):  # timmer(test1) func=test1
    #  因为之前返回的是这个嵌套数的内存地址，如果这个嵌套函数不传入参数#的话，里面的func,就是被装饰函数本身就没有参数，这样就会报错
    def deco(*args, **kwargs):  # 传入非固定参数
        start_time = t.time()
        func(*args, **kwargs)  # 传入非固定参数
        stop_time = t.time()
        print("the func run time is %s" % (stop_time - start_time))

    return deco


# 不带参数
@timmer  # 相当于test1 = timmer(test1)
def test1():
    t.sleep(3)
    print("in the test1")


# 带参数
@timmer
def test2(name, age):
    print("name:%s,age:%s" % (name, age))


# 调用
test1()
test2("zhangsan", 22)

#输出结果
#test1
in the test1
the func run time is 3.0009164810180664
#test2
name:zhangsan,age:22
the func run time is 0.0

View Code

装饰器装饰有返回值的函数：

def timmer(func):  # timmer(test1) func=test1
    def deco(*args, **kwargs):
        res = func(*args, **kwargs)  # 这边传入函数结果赋给res
        return res  # 返回res

    return deco


@timmer
def test1():  # test1 =  timmer(test1)
    print("in the test1")
    return "from the test1"  # 执行函数test1有返回值


res = test1()
print(res)

#输出结果
in the test1
from the test1

View Code

装饰器本身带有参数：

# 本地验证
user, passwd = "zhangsan", "abc123"


def auth(auth_type):  # 传递装饰器的参数
    print("auth func:", auth_type)

    def outer_wrapper(func):  # 将被装饰的函数作为参数传递进来
        def wrapper(*args, **kwargs):  # 将被装饰函数的参数传递进来
            print("wrapper func args:", *args, **kwargs)
            username = input("Username:").strip()
            password = input("Password:").strip()
            if auth_type == "local":
                if user == username and passwd == password:
                    print("33[32mUser has passed authentication33[0m")
                    res = func(*args, **kwargs)
                    print("--after authentication")
                    return res
                else:
                    exit("Invalid username or password")
            elif auth_type == "ldap":
                pass

        return wrapper

    return outer_wrapper


def index():
    print("welcome to index page")


@auth(auth_type="local")  # 带参数装饰器
def home():
    print("welcome to home page")
    return "from home"


@auth(auth_type="ldap")  # 带参数装饰器
def bbs():
    print("welcome  to bbs page")


index()
home()
bbs()

View Code

 

七、生成器

通过列表生成式，直接去创建一个列表。但是收到内存的限制，列表的容量是有限的。如果我们在创建一个包含100万个元素的列表，甚至更多，不仅占用了大量的内存空间，而且如果我们仅仅需要访问前面几个元素时，那后面很大一部分的占用的空间都白白浪费掉了。这个并不是我们所希望看到的。所以就诞生了一个新的名词叫生成器：generator。

生成器的作用：列表的元素按某种算法推算出来，我们在后续的循环中不断推算出后续的元素，在python中，这种一边循环一边计算的机制，称之为生成器(generator)。

7.1、创建生成器

>>> m=[i*2 for i in range(10)]
>>> print(m)
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]  #生成一个list

>>> n = (i*2 for i in range(10))
>>> print(n)
<generator object <genexpr> at 0x031A21F0> #生成一个generator

如果需要访问生成器n中的值，python2是通过next()方法去获得generator的下一个返回值，python3是通过__next__()去获得generator的下一个返回值：

#python 3的访问方式用__next__()
>>> n.__next__()
0
>>> n.__next__()
2
>>> n.__next__()
4
>>> n.__next__()
6
>>> n.__next__()
8
>>> n.__next__()  #没有元素时，则会抛出抛出StopIteration的错误
Traceback (most recent call last):
  File "<pyshell#4>", line 1, in <module>
    n.__next__()
StopIteration
 
 
#python2的访问方式用next()
>>> n.next()  #可以用n.next()
0
>>> next(n)  #也可以用next(n) 
2
>>> n.next()
4
>>> n.next()
6
>>> n.next()
8
>>> n.next()  #没有元素时，则会抛出抛出StopIteration的错误
 
Traceback (most recent call last):
  File "<pyshell#4>", line 1, in <module>
    n.next()
StopIteration

View Code

①generator保存的是算法，每次调用next方法时，就会计算下一个元素的值，直到计算到最后一个元素，如果没有更多元素，则会抛出StopIteration的错误。

②generator只记住当前位置，它访问不到当前位置元素之前和之后的元素，之前的数据都没有了，只能往后访问元素，不能访问元素之前的元素。

7.2、用for循环去访问generator中的元素

使用next方法去一个一个访问，不切实际，正确的方法是使用for循环去访问，因为generator也是可迭代对象，代码如下：

res = (i*2  for i in range(3))  #创建一个生成器
print(res)

for i in res:    #迭代生成器中的元素
    print(i)
    
#输出结果
<generator object <genexpr> at 0x03A121F0>
0
2
4

7.3、函数生成器

推算比较简单，但是推算的算法比较复杂，用类似列表生成式的for循环无法实现，那怎么办呢？比如下面一个例子，用列表生成式无法实现。

7.3.1、斐波那契数列

实现原理：除第一个和第二个数外，任意一个数都可由前两个数相加得到：1, 1, 2, 3, 5, 8, 13, 21, 34, ...，代码如下：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1

    return 


fib(5)

虽然根据这种逻辑推算非常类似一个生成器(generator)，但是其本质还是函数，下面演示通过关键字yield将函数转换成生成器。

7.3.2、用yield函数转换为生成器(generator)

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b  # 用yield替换print，把fib函数转化成一个生成器
        a, b = b, a + b
        n = n + 1

    return "----done---"

这就是生成器(generator)另外一种定义方法。如果一个函数中包含yield关键字，那么这个函数就不是一个普通的函数，而是一个生成器(generator)

f = fib(5)
print(f)

#输出结果
<generator object fib at 0x00DB29B0>

注：变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

f = fib(5)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print("我在干别的事情")
print(f.__next__())
print(f.__next__())  # 访问的是最后一个元素
print(f.__next__())  # 没有多余的元素

#输出结果
Traceback (most recent call last):
1
1
2
我在干别的事情
3
5
    print(f.__next__())  # 没有多余的元素
StopIteration: ----done---

View Code

小结： 

①访问生成器中的元素，不用是连续的，我可以中间去执行其他程序，向想什么时候执行，可以再回头去执行。

②return在这边作用就是当发生异常时，会打印ruturn后面的值。

7.4、生成器使用场景

生成器除了能节省资源，还能提高工作效率，如下列例子

7.4.1、执行原理

A、第一个__next__方法

def consumer(name):
    print("%s 准备吃包子啦！" % name)

    while True:
        baozi = yield

        print("包子[%s]来了，被[%s]吃了" % (baozi, name))


c = consumer("zhangsan")
c.__next__()

#输出结果
zhangsan 准备吃包子啦

View Code

B、再加一个__next__方法

def consumer(name):
    print("%s 准备吃包子啦！" % name)

    while True:
        baozi = yield

        print("包子[%s]来了，被[%s]吃了" % (baozi, name))


c = consumer("zhangsan")
c.__next__()
c.__next__()

#输出结果
zhangsan 准备吃包子啦！
包子[None]来了，被[zhangsan]吃了

View Code

A方案没有执行"print("包子[%s]来了，被[%s]吃了"%(baozi,name))"，这段代码，接下来我们就来调试一下。

第一步：生成一个生成器

第二步：执行第一个__next__()方法进入函数，执行到yield时中断，把返回值返回给baozi这个变量：

第三步：开始执行下面的程序，也就执行到了第二个__next__()方法，直接跳转到yield这边，继续上一次的中断往下执行，这样就执行了yield下面的程序，当再次执行到yield关键字时，则继续中断，并且把返回值赋给baozi关键字，如果下面没有其他程序，则程序结束。

 

小结：

1. 用yield做生成器，你想把什么返回到外面，你就把yield关键字放在那里。
2. yield其实是保留了函数的中断状态，返回当前的值。
3. 如果yield没有返回值，就返回一个空值None

7.4.2、send()和__next__()方法的区别

def consumer(name):
    print("%s 准备吃包子啦！" % name)

    while True:
        baozi = yield

        print("包子[%s]来了，被[%s]吃了" % (baozi, name))


c = consumer("zhangsan")
c.__next__()  # 不使用__next__()方法会报错
b1 = "肉松馅"
c.send(b1)  # 调用yield，同时给yield传一个值
b2 = "韭菜馅"
c.send(b2)

#输出结果
zhangsan 准备吃包子啦！
包子[肉松馅]来了，被[zhangsan]吃了
包子[韭菜馅]来了，被[zhangsan]吃了

View Code

 从上面可以看出send()和__next__()方法的区别：

1. __next__()只是调用这个yield，也可以说成是唤醒yield，但是不不会给yield传值。
2. send()调用这个yield或者说唤醒yield同时，也活给yield传一个值。
3. 使用send()函数之前必须使用__next__()，因为先要中断，当第二次调用时，才可传值。

为什么给消费者传值时，必须先执行__next__()方法？

因为如果不执行一个__next__()方法，只是把函数变成一个生成器，你只有__next__()一下，才能走到第一个yield，然后就返回了，调用下一个send()传值时，才会发包子。

7.4.3、yield实现并行效果

 yield还有一个更强大的功能，就是：单线程实现并发效果。

import time


def consumer(name):
    print("%s 准备吃包子啦！" % name)

    while True:
        baozi = yield

        print("包子[%s]来了，被[%s]吃了" % (baozi, name))


def producer(name):
    c = consumer("A")
    c2 = consumer("B")
    c.__next__()
    c2.__next__()
    print("老子准备吃包子啦！")
    for i in range(10):
        time.sleep(1)
        print("做了一个包子，分两半")
        c.send(i)
        c2.send(i)


producer("zhangsan")

View Code

 

八、迭代器

8.1、可迭代对象

8.1.1、for循环数据类型

• 集合数据类型，如：list、tuple、dict、set、str、bytes(字节)等。
• 生成器(generator)，包括生成器和带yield的生成器函数。

8.1.2、定义

　　可迭代对象(Iterable):直接用于for循环遍历数据的对象

8.1.3、用isinstance()方法判断一个对象是否是Iterable对象

>>> from  collections import  Iterable
>>> print(isinstance([],Iterable))  #列表
True
>>> print(isinstance((),Iterable))  #元组
True
>>> print(isinstance({},Iterable))  #字典
True
>>> print(isinstance(‘abc‘,Iterable))  #字符串
True
>>> print(isinstance(100,Iterable))  #整型

View Code

注：生成器不但可以作用于for循环，还可以被__next__()函数不断调用，并且返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值而抛出的异常。

8.2、迭代器

8.2.1、定义

　　迭代器(Iterator)：可以用__next__()函数调用并不断的返回下一个值的对象称为迭代器。

8.2.2、用isinstance()方法判断一个对象是否是Iterator对象

>>> from  collections import  Iterator
>>> print(isinstance((i*2 for i in range(5)),Iterator))   #生成器
True
>>> print(isinstance([],Iterator))  #列表
False
>>> print(isinstance({},Iterator))   #字典
False
>>> print(isinstance(‘abc‘,Iterator))   #字符串
False

View Code

通过上面的例子可以看出，生成器都是Iterator对象，但是list、dict、str虽然是Iterable对象，却不是Iterator对象。

8.2.3、iter()函数

功能：把list、dict、str等Iterable对象变成Iterator对象。

>>> from  collections import  Iterator
>>> print(isinstance(iter([]),Iterator))
True
>>> print(isinstance(iter({}),Iterator))
True

View Code

 8.2.4、为什么list、dict、str等数据类型不是Iterator?

 这是因为python的Iterator对象表示的是一个数据流，Iterator对象可以被__next__()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过__next__()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时才会计算。

注：Iterator甚至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。

 

小结：

1. 凡是可以作用于for循环的对象都是Iterable类型。
2. 凡是作用于__next__()函数的对象都是Iterator类型，它们表示一个惰性计算的序列。
3. 集合数据类型，例如：list、dict、str等，是Iterable但是不是Iterator
4. 集合数据类型可以通过iter()函数获得一个Iterator对象。