Python中的可迭代对象，迭代器与生成器

先来看一张概览图，关于容器(container)、可迭代对象(Iterable)、迭代器(iterator)、生成器(generator)。

一、容器(container)

　　容器就是一个用来存储多个元素的数据结构，常见的容器包括【列表】、【元组】、【字典】、【集合】、【字符串】。

　　容器有两个特点：1. 容器中的元素可通过迭代获取 2. 所有容器中的元素被存储在内存中。

二、可迭代对象(Iterable)

　　可迭代对象，简单的说就是可以被迭代获取的对象，iterable定义了可返回迭代器的__iter__方法。

　　通过使用iter()方法，我们能将可迭代对象返回成迭代器。例如列表：

 from collections import Iterable
 # 定义一个列表，其本身是可迭代对象
 list_a = ['a', 'b', 'c']
 isinstance(list_a, Iterable) # True
 new_a = iter(list_a)

 # 对迭代器调用next()方法
 >>> next(new_a)
 a
 >>> next(new_a)
 b
 >>> next(new_a)
 c
 >>> next(new_a) # 抛出StopIteration异常

三、迭代器(Iterator)

　　迭代器是一个带状态的对象，迭代器内部持有一个状态，该状态用于记录当前迭代所在位置，以便于下次迭代的时候获取正确

　　的元素。迭代器可以通过next()方法来迭代获取下一个值。

　　迭代器实现了__iter__() 和 __next__()方法。而且，迭代器不会一次性吧所有元素都加载到内存，而是需要的时候才返回结果。　

 from collections import Iterable
 # 定义一个列表，其本身是可迭代对象
 list_a = ['a', 'b', 'c']
 isinstance(list_a, Iterable) # True
 new_a = iter(list_a)

 # 对迭代器调用next()方法
 >>> next(new_a)
 a
 >>> next(new_a)
 b
 >>> next(new_a)
 c
 >>> next(new_a) # 抛出StopIteration异常

　　迭代器每次调用next()方法的时候做两件事：1. 为下一次调用next()方法修改状态  2. 生成当前调用的返回结果。

　　当我们第一次调用next(new_a)之后，当前状态改为即指向a，且输出a，当我们第二次调用的时候，输出b，并且将

　　当前状态改为指向b...

四、生成器

　　生成器是一种特殊的迭代器。特殊在我们可以通过send()方法像生成器中传入数据，而迭代器只能将数据输出。

　　其主要的特点有：

　　1、生成器拥有迭代器的迭代传出数据的功能，但用关键字yield来替代迭代器中的__next__()方法来实现，而拥有yield关键字的函数

　　就是生成器函数。

　　2、生成器可以传入数据进行计算(不同于迭代器)，并根据变量内容计算结果后返回。

　　3、迭代器不会一次把所有的元素加载到内存，而是调用的时候才生成返回结果(这点相同于迭代器)

　　4、可以通过for循环进行迭代(因为生成器是迭代器)

　　总结：生成器是一种特殊的迭代器，其具有传入数据的功能。

　　下面借助一个简短的程序来具体解释一下yield执行过程：　

 def generator_1():
     y = 0
     r = 'here'
     while True:
         x = yield r

 g_1 = generator_1()
 g_1.send(None)
 g_1.send(1)
 g_1.send(2)

　　首先我们写了一个很简单的生成器函数，然后我们定义了一个生成器对象g_1，当我们启动生成器的时候第一个send()只能传入None

　　为什么只能是None呢，我们来看其具体执行过程，从函数的第一行开始执行，然后一直到 x = yield r，根据从右向左执行的原则，首先

　　执行yield r 然后程序终止，并没有赋值语句，因此，第一个send()只能传入None。当第二次send()时，从上一次中断的地方开始执行，

　　上一次是中断在了赋值，那么我们开始从赋值执行，即 x = 1...后边的类似。

　　参考：https://blog.csdn.net/SL_World/article/details/86507872  作者：SL_World