在了解Python的数据结构时,容器(container)、可迭代对象(iterable)、迭代器(iterator)、生成器(generator)、列表/集合/字典推导式(list,set,dict comprehension)众多概念参杂在一起,难免让初学者一头雾水,我将用一篇文章试图将这些概念以及它们之间的关系捋清楚。
1.容器(container)
容器是一种把多个元素组织在一起的数据结构,容器中的元素可以逐个地迭代获取,可以用in
, not in
关键字判断元素是否包含在容器中。通常这类数据结构把所有的元素存储在内存中(也有一些特例,并不是所有的元素都放在内存,比如迭代器和生成器对象)在Python中,常见的容器对象有:
- list, deque(队列), ….
- set, frozensets(), ….
- dict, defaultdict, OrderedDict, Counter, ….
- tuple, namedtuple, …
- str
容器比较容易理解,因为你就可以把它看作是一个盒子、一栋房子、一个柜子,里面可以塞任何东西。从技术角度来说,当它可以用来询问某个元素是否包含在其中时,那么这个对象就可以认为是一个容器,比如 list,set,tuples都是容器对象:
尽管绝大多数容器都提供了某种方式来获取其中的每一个元素,但这并不是容器本身提供的能力,而是可迭代对象赋予了容器这种能力,当然并不是所有的容器都是可迭代的,比如:Bloom filter,虽然Bloom filter可以用来检测某个元素是否包含在容器中,但是并不能从容器中获取其中的每一个值,因为Bloom filter压根就没把元素存储在容器中,而是通过一个散列函数映射成一个值保存在数组中。
2.可迭代对象(iterable)
很多容器都是可迭代对象,此外还有更多的对象同样也是可迭代对象,比如处于打开状态的files,sockets等等。但凡是可以返回一个迭代器的对象都可称之为可迭代对象。通过iter函数可以把一些数据对象变成可迭代的对象(迭代器)。
>>> a=[1,2,3]
>>> y=iter(a)
>>> z=iter(a)
>>> next y
SyntaxError: invalid syntax
>>> next(y)
1
>>> next(y)
2
>>> next(x)
Traceback (most recent call last):
File "<pyshell#11>", line 1, in <module>
next(x)
NameError: name 'x' is not defined
>>> next(z)
1
>>> type(a)
<class 'list'>
>>> type(y)
<class 'list_iterator'>
>>> type(z)
<class 'list_iterator'>
>>>
这里x
是一个可迭代对象,可迭代对象和容器一样是一种通俗的叫法,并不是指某种具体的数据类型,list是可迭代对象,dict是可迭代对象,set也是可迭代对象。y
和z
是两个独立的迭代器,迭代器内部持有一个状态,该状态用于记录当前迭代所在的位置,以方便下次迭代的时候获取正确的元素。迭代器有一种具体的迭代器类型,比如list_iterator
,set_iterator
。可迭代对象实现了__iter__
方法,该方法返回一个迭代器对象。
3.迭代器(iterator)
- 概念:它是一个带状态的对象,他能在你调用
next()
方法的时候返回容器中的下一个值。 - 组成特点:任何实现了
__iter__
和__next__()
(python2中实现next()
)方法的对象都是迭代器,__iter__
返回迭代器自身,__next__
返回容器中的下一个值,如果容器中没有更多元素了,则抛出StopIteration异常。 - 所以,迭代器就是实现了工厂模式的对象,它在你每次你询问要下一个值的时候给你返回。他是一个可迭代的对象。
有很多关于迭代器的例子,比如itertools
函数返回的都是迭代器对象。生成一个迭代器有两种方法,一种是通过内置的函数itertools,一种是自定义函数。
#生成一个无限序列
from itertools import count
c=count(start=12)
type(c)
<class 'itertools.count'>
next(c)
12
next(c)
13
for i in c:
print i
count(14)
count(15)
count(16)
count(17)
count(18)
count(19)
count(20)
count(21)
count(22)
count(23)
count(24)
count(25)
count(26)
count(27)
count(28)
count(29)
count(30)
count(31)
count(32)
count(33)
count(34)
count(35)
count(36)
count(37)
......
#一个有限序列生成一个无限序列
>>> from itertools import cycle
>>> colors=cycle(['red','white','blue'])
>>> next(colors)
'red'
>>> next(colors)
'white'
>>> next(colors)
'blue'
>>> next(colors)
'red'#循环
#一个无限序列生成一个有限序列
>>> from itertools import islice
>>> c=cycle(['red','white','blue'])
>>> limited=islice(c,0,4)
>>> for i in limited:
print(i)
red
white
blue
red
>>>
#自定义一个可迭代对象
>>> 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既是一个可迭代对象(因为它实现了__iter__
方法),又是一个迭代器(因为实现了__next__
方法)。实例变量prev
和curr
用户维护迭代器内部的状态。每次调用next()
方法的时候做两件事:
- 为下一次调用
next()
方法修改状态 - 为当前这次调用生成返回结果
迭代器就像一个懒加载的工厂,等到有人需要的时候才给它生成值返回,没调用的时候就处于休眠状态等待下一次调用。
4.生成器(generator)
生成器算得上是Python语言中最吸引人的特性之一,生成器是一种迭代器,是一种特殊的函数。它不需要再像上面的类一样写__iter__()
和__next__()
方法了,只需要一个yiled
关键字。 生成器一定是迭代器(反之不成立),因此任何生成器也是以一种懒加载的模式生成值。使用yield
操作将函数构造成迭代器。普通的函数有一个入口,有一个返回值;当函数被调用时,从入口开始执行,结束时返回相应的返回值。生成器定义的函数,有多个入口和多个返回值;对生成器执行next()
操作,进行生成器的入口开始执行代码,yield
操作向调用者返回一个值,并将函数挂起;挂起时,函数执行的环境和参数被保存下来;对生成器执行另一个next()
操作时,参数从挂起状态被重新调用,进入上次挂起的执行环境继续下面的操作,到下一个yield
操作时重复上面的过程。Python的循环操作与C语言的实现不同,如果使用List等数据结构需要耗费大量的内容;循环操作中使用生成器只需要在内存中实例化一个对象,可以减少内存占用,提高循环操作的执行速度。
用生成器来实现斐波那契数列的例子是:
>>> def fib():
prev,curr=0,1
while True:
yield curr
#返回一个值,当内部的next再次调用时,在返回一个值,如此重复这一动作(相当于把__iter__和__next__封装到yiled中)
prev,curr=curr,curr+prev
#prev=curr
#curr=curr+prev
>>> f=fib()
>>> list(islice(f,0,10))
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
>>> type(f)
<class 'generator'>
fib
就是一个普通的python函数,它特殊的地方在于函数体中没有return
关键字,函数的返回值是一个生成器对象。当执行f=fib()
返回的是一个生成器对象,此时函数体中的代码并不会执行,只有显示或隐示地调用next的时候才会真正执行里面的代码。
生成器在Python中是一个非常强大的编程结构,可以用更少地中间变量写流式代码,此外,相比其它容器对象它更能节省内存和CPU,当然它可以用更少的代码来实现相似的功能。现在就可以动手重构你的代码了,但凡看到类似:
>>> def somthing():
result=[]
for i in range(0,19):
result.append(i)
return result
>>> f=somthing()
>>> print (f)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18]
>>> type(f)
<class 'list'>
#当遇到以上形式的函数时,都可以替换成下面的函数
>>> def iter_something():
for i in range(0,19):
yield x
>>> iter_generator=somthing()
>>> print(iter_generator)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18]
>>> type(iter_generator)
<class 'list'>
>>>
生成器表达式(generator expression)
生成器表达式是列表推倒式的生成器版本,看起来像列表推导式,但是它返回的是一个生成器对象而不是列表对象。
>>> a=(x*x for x in range(10))
>>> a
<generator object <genexpr> at 0x000000000351EE10>
>>> sum(a)
285
>>> sum(x*x for x in range(0,10))
285
>>> (x+x for x in range(0,19) )
<generator object <genexpr> at 0x000000000351EE58>
>>> print((x+x for x in range(0,19)))
<generator object <genexpr> at 0x000000000351EF78>
>>> a=(x+x for x in range(0,19))
>>> a
<generator object <genexpr> at 0x000000000351EF30>
>>> list(a)
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36]
>>> tuple(a)
()
>>> set(a)
set()