# 迭代

# 定义一个list,通过for in 循环遍历，这种遍历，我们通常称为迭代（Iteration）.

遍历/迭代

# 顾名思义，可迭代对象，即是可以通过上述循环遍历（迭代）的对象（Iterable）。

# 其中str dict list 等都是可迭代对象

# 如何判断各种数据形式是否为可迭代对象？

# 方法是通过collections模块的Iterable类型判断：

整数为非可迭代对象

# 插入一个小问题 在Java 中 遍历list可以根据索引,但在Python中，上述示例并不能，但是Python内置函数enumerate，可以将list 遍历成i，value 的形式

这样可以持有索引

# 列表生成器

执行结果[0,1,2,3,4]

[0,1,4,9,16]

各种花式方法(执行结果大家自己想想吧)

# 生成器

# 通过列表生成器，我们可以生成一个列表，但是，受内存限制，列表容量肯定是有限的，而且直接创建一个很大的 100万，几亿的列表，假设我们仅仅用到数个元素，剩余的空间就被浪费了。有什么优化的方式呢？

# 如果列表元素可以按照某种算法推算出来，在循环的过程中不断推算出后续的元素，这样不必创建完整的list，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。

# 创建generator 方法1 将生成list 的[] 变成（）

方式1

# 每次调用next 就是根据算法去算下一个，很懒惰有没有，如果没有下一个了 就会爆出 StopIteration

# generator 是否是可迭代对象呢？用for 迭代一下试试

generator 也是可迭代对象

# 创建generator 方法2

# 使用普通函数的定义语法定义，但函数体内必须包含yield关键字，即包含yield语句的函数都被称为生成器。 生成器函数虽然看上去像函数，但与函数的行为截然不同。区别在于生成器函数不是使用return语句返回一个值，而是可以生成多个值，每次生成一个。每次使用yield生成一个值后，函数被中断，在此处停止执行，再次被调用时，函数将从上一次停止的地方开始继续执行。

方法2

# goStep不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。

# 执行3次yield后，已经没有yield可以执行了，所以，第4次调用__next__就报错。

# 我们用生成器 生成一下 斐波那契序列 1，2，3，5，8，13.。。

菲波那切数列

# 完美 优秀的生成器

# 迭代器

# 经过上面的学习，我们来总结一下可迭代（Iterable）对象都有哪些？

# list str tuple set dict generator等

# generator不但可以作用于for循环，还可以被next()函数不断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。

# 迭代器（Iterator）：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(被生成器生成的)。

# 如何判断各种数据形式是否为迭代器（方法类似于判断是否为可迭代对象）

是否为迭代器

# 生成器都是Iterator对象，但list、dict、str虽然是Iterable(可迭代的对象)，却不是Iterator（迭代器），因为不符合迭代器的条件（可以被next()函数调用并不断返回下一个值的对象）

# 你可能会问，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它才会计算。

# 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。

# 但list、dict、str等Iterable变成Iterator可以使用iter()函数：

把可迭代对象转换成迭代器

# 总结

# 凡是可作用于for循环的对象都是Iterable类型；

# 凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

# 集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

参考