一种特殊的数据结构,以对象形式存在??i1?=?l1.__iter__()??i1?=?iter(l1)
可迭代对象：
序列：?list、str、tuple
非序列:??dict、file
自定义类：?__iter__()、?__getitem__()
注意：
若要实现迭代器,需要在类中定义next()方法
要使迭代器指向下一个对象,则使用成员函数?next()?
i1.next()
当没有元素时,会引发StopIteration异常??for循环可用于任何可迭代对象
例：?l1?=?['Sun','Mon','Tue','Wed','Thu','Fri','Sat']????i1?=?l1.__iter__()????il.next()???'Sun'?
il.next()???'Mon'
转自
Python? range() 函数返回的是一个可迭代对象（类型是对象）,而不是列表类型, 所以打印的时候不会打印列表.
函数语法：
range(stop)range(start,stop,step)//默认start为0,step为1
Python? list() 函数是对象迭代器,可以把range()返回的可迭代对象转为一个列表,返回的变量类型为列表.
list() 方法用于将元组转换为列表.
注： 元组与列表是非常类似的,区别在于元组的元素值不能修改,元组是放在括号中( ),列表是放于方括号中[ ].
元组中只包含一个元素时,需要在元素后面添加逗号
list、元组与字符串的索引一样,列表索引从0开始.列表可以进行截取、组合等.
是不一样的.
iter()是一个内置函数,功能是通过可以迭代对象生成一个迭代器.
__iter__则是个魔法方法,需要配合__next__方法使用,构造一个迭代对象
在python中,迭代式也可以是递归的调用,下面给你举个例子:
def f(n):
这就是一个简单的第n项斐波那契数的求法,这里就用的是迭代式.另外的例子就是牛顿迭代法,采用逐次渐进的效果求出n的开方数,下面是例子:
def f(guess):
def fd(guess):
def SquareRootNR(x, epsilon):
diff = f(guess) - x
ctr = 1
while abs(diff) epsilon and ctr = 100:
guess = guess - diff / fd(guess)
ctr += 1.
迭代器模式：一种惰性获取数据项的方式,即按需一次获取一个数据项.
所有序列都是可以迭代的.我们此时此刻呢要实现一个 Sentence（句子）类,我们向这个类的构造方法传入包含一些文本的字符串,然后可以逐个单词迭代.
此时此刻呢测试 Sentence 实例能否迭代
序列可以迭代的原因：
iter()
解释器需要迭代对象 x 时,会自动调用iter(x).
内置的 iter 函数有以下作用：
由于序列都实现了 __getitem__ 方法,所以都可以迭代.
可迭代对象：使用内置函数 iter() 可以获取迭代器的对象.
与迭代器的关系：Python 从可迭代对象中获取迭代器.
下面用for循环迭代一个字符串,这里字符串 'abc' 是可迭代的对象,用 for 循环迭代时是有生成器,只是 Python 隐藏了.
如果没有 for 语句,使用 while 循环模拟,要写成下面这样：
Python 内部会处理 for 循环和其他迭代上下文（如列表推导,元组拆包等等）中的 StopIteration 异常.
标准的迭代器接口有两个方法：
__next__ ：返回下一个可用的元素,如果没有元素了,抛出 StopIteration 异常.
__iter__ ：返回 self,以便在需要使用可迭代对象的地方使用迭代器,如 for 循环中.
迭代器：实现了无参数的 __next__ 方法,返回序列中的下一个元素；如果没有元素了,那么抛出 StopIteration 异常.Python 中的迭代器还实现了 __iter__ 方法,所以呢迭代器也可以迭代.
此时此刻呢使用迭代器模式实现 Sentence 类：
注意, 不要 在 Sentence 类中实现 __next__ 方法,让 Sentence 实例既是可迭代对象,也是自身的迭代器.
为了"支持多种遍历",必须能从同一个可迭代的实例中获取多个独立的迭代器,而且各个迭代器要能维护自身的内部状态,所以呢这一模式正确的实现方式是,每次调用 iter(my_iterable) 都新建一个独立的迭代器.
所以总结下来就是：
实现相同功能,但却符合 Python 习惯的方式是,用生成器函数代替 SentenceIteror 类.
只要 Python 函数的定义体中有 yield 关键字,该函数就是生成器函数.调用生成器函数,就会返回一个生成器对象.
生成器函数会创建一个生成器对象,包装生成器函数的定义体,把生成器传给 next(...) 函数时,生成器函数会向前,执行函数定义体中的下一个 yield 语句,返回产出的值,并在函数定义体的当前位置暂停,.最终,函数的定义体返回时,外层的生成器对象会抛出 StopIteration 异常,这一点与迭代器协议一致.
如今这一版 Sentence 类相较之前简短多了,但是还不够慵懒. 惰性 ,是如今人们认为最好的特质.惰性实现是指尽可能延后生成值,这样做能节省内存,或许还能避免做无用的处理.
目前实现的几版 Sentence 类都不具有惰性,因为 __init__ 方法急迫的构建好了文本中的单词列表,然后将其绑定到 self.words 属性上.这样就得处理整个文本,列表使用的内存量可能与文本本身一样多（或许更多,取决于文本中有多少非单词字符）.
re.finditer 函数是 re.findall 函数的惰性版本,返回的是一个生成器,按需生成 re.MatchObject 实例.我们可以使用这个函数来让 Sentence 类变得懒惰,即只在需要时才生成下一个单词.
标准库提供了很多生成器函数,有用于逐行迭代纯文本文件的对象,还有出色的 os.walk 函数等等.本节专注于通用的函数：参数为任意的可迭代对象,返回值是生成器,用于生成选中的、计算出的和重新排列的元素.
第一组是用于 过滤 的生成器函数：从输入的可迭代对象中产出元素的子集,而且不修改元素本身.这种函数大多数都接受一个断言参数(predicate),这个参数是个 布尔函数 ,有一个参数,会应用到输入中的每个元素上,用于判断元素是否包含在输出中.
以下为这些函数的演示：
第二组是用于映射的生成器函数：在输入的单个/多个可迭代对象中的各个元素上做计算,然后返回结果.
以下为这些函数的用法：
第三组是用于合并的生成器函数,这些函数都可以从输入的多个可迭代对象中产出元素.
以下为演示：
第四组是从一个元素中产出多个值,扩展输入的可迭代对象.
第五组生成器函数用于产出输入的可迭代对象中的全部元素,不过会以某种方式重新排列.
下面的函数都接受一个可迭代的对象,然后返回单个结果,这种函数叫"归约函数","合拢函数"或"累加函数",其实,这些内置函数都可以用 functools.reduce 函数实现,但内置更加方便,而且还有一些优点.
参考教程：
迭代：按照一定的顺序访问集合中的每一个元素,或者叫遍历（其他语言叫做遍历）；
可迭代对象（Iterable）：能被迭代的对象,或者说直接作用于for循环的对象,可以通过for..in来遍历的对象,比如数组（list）、元祖（tuple）字符串等；
迭代器（Iterator）：能作用于next() 函数,并不断返回下一个值的对象称为迭代器,是惰性计算的序列（很重要）
①.、判断一个对象是可迭代对象呢?方法是通过collections模块的Iterable类型判断
①.、迭代器的特性
A.惰性计算数据,节省内存
B.能记录状态,并通过next()函数执行下一个状态
C.具有可迭代性
原因：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.Iterator对象表示一个无限大的数据,集合是有限集合,假如被next()到最后就是没有返回直接carsh
如果想了解更多Python知识,请查看
Python的基础知识之生成器
Python的基础知识之装饰器
学无止境,学习Python的伙伴可以多多交流.
以上就是土嘎嘎小编为大家整理的python中迭代函数相关主题介绍,如果您觉得小编更新的文章只要能对粉丝们有用,就是我们最大的鼓励和动力,不要忘记讲本站分享给您身边的朋友哦！！