前言： ? 作者简介：渴望力量的哈士奇 ?，大家可以叫我 🐶哈士奇🐶 ，一位致力于 TFS 赋能的博主 ? 🏆 CSDN博客专家认证、新星计划第三季全栈赛道 top_1 、华为云享专家、阿里云专家博主 🏆 📫 如果文章知识点有错误的地方，请指正！和大家一起学习，一起进步👀 💬 人生格言：优于别人,并不高贵,真正的高贵应该是优于过去的自己。💬 🔥 如果感觉博主的文章还不错的话，还请👍关注、点赞、收藏三连支持👍一下博主哦
文章目录 什么是迭代器如何生成迭代器迭代器函数 - iter() 函数 与 next() 函数可迭代的对象生成迭代器 迭代器的用法 - 演示案例 什么是迭代器
迭代是 python 中访问集合元素的一种非常强大的一种方式。迭代器是一个可以记住遍历位置的对象，因此不会像列表那样一次性全部生成，而是可以等到用的时候才生成，因此节省了大量的内存资源。迭代器对象从集合中的第一个元素开始访问，直到所有的元素被访问完。迭代器有两个方法：iter()和 next()方法。
这么解释可能不太直观，我们以生活的一个小栗子来解释一下，方便大家能够更深刻的理解。比如说我们去超市买水果，而正巧超市的服务人员正在摆放苹果。服务人员告诉我们需要等苹果都摆放完毕我们才可以拿苹果，这样就很耽误我们的时间。(这个场景中，柜台上其实已经有苹果了，只不过销售不让拿罢了。)
然后我们再去卖橘子的柜台，服务人员也在摆放橘子。但是服务人员告诉我们可以不用等他摆放完毕，我们可以直接拿橘子，这样就会很好的节省我们的时间。如果我们拿橘子的速度超过了服务人员摆放的速度 ，我们只需要等待服务人员摆放之后就可以直接拿橘子，大大的提升了我们买橘子的效率。
而迭代器就类似于我们买橘子的场景，我们平时的程序都是一次性写入到内存中。比如我们的列表中存在成百上千的数据，都是一次性写入到内存里的，通过这样让我们来使用。但是迭代器却是按需加载，有一点内容就会放在内容里面，我们就可以立刻使用内存中的数据进行我们的逻辑处理。这样就不要所有的数据都写入到内存中就可以使用，大大的提升了使用效率。
如何生成迭代器 迭代器函数 - iter() 函数 与 next() 函数 iter(iterable)从可迭代对象中返回一个迭代器,iterable必须是能提供一个迭代器的对象 next(iterator) 从迭代器iterator中获取下一了记录,如果无法获取下一条记录,则触发stoptrerator异常 说明: 1.迭代器只能往前取值,不会后退 2.用iter函数可以返回一个可迭代对象的迭代器 示例:iter()函数介绍：生成一个迭代器对象
iter()函数用法：iter(iterable)
参数介绍：iterable —> 可迭代的数据类型（比如列表、字典、元组以及集合类型等）
示例：iter([1, 2, 3])
返回值：<list_iterator at 0x4f3bff0>
next()函数介绍：返回迭代器中的数据
next()函数用法：next(iterable)
参数介绍：iterable —> 迭代器对象
示例：
iter_obj = iter([1,2,3]) next(iter_obj)返回值：
# >>> 1,2,3 # >>> StopIteration综上，我们得出结论：
iter(iterable)从可迭代对象中返回一个迭代器,iterable必须是能提供一个迭代器的对象 next(iterable) 从迭代器iterator中获取下一了记录,如果无法获取下一条记录,则触发stoptrerator异常
演示案例如下：
# coding:utf-8 test_list = [1, 3, 5, 7] test_iter = iter(test_list) # 让test_list提供一个能访问自己的迭代器 print(next(test_iter)) # 1 从迭代器中取值,让迭代器去获取l中的一个元素 print(next(test_iter)) # 3 print(next(test_iter)) # 5 print(next(test_iter)) # 7 print(next(test_iter)) # StopIterable 异常test_list 实际上是一个列表，但是被迭代器迭代之后。并不是一次性将列表放入内存中，而是每次放一个元素进入内存，然后被读取。(这就是我们说的按需加载)
可迭代的对象
类似于list、tuple、str 等类型的数据可以使用for… in… 的循环遍历语法可以从其中依次拿到数据并进行使用，我们把这个过程称为遍历，也称迭代。python中可迭代的对象有list（列表）、tuple（元组）、dirt（字典）、str（字符串）set(集合)等。
示例如下：
test_list = [1,2,3,4,5] test_dirt = { "name":"张三", "sex":"男", "age":33 } test_tuple = (1,2,3,4,5) test_set = {1,2,3,3,4} for i in test_list: print(i) for i in test_dirt: print(i) for i in test_tuple: print(i) for i,j in test_set.items(): print("%s:%s" % (i,j)) # >>> 执行结果如下： # >>> test_list的元素为： 1 # >>> test_list的元素为： 2 # >>> test_list的元素为： 3 # >>> test_list的元素为： 4 # >>> test_list的元素为： 5 # >>> test_dirt的元素为： name # >>> test_dirt的元素为： sex # >>> test_dirt的元素为： age # >>> test_tuple的元素为： 1 # >>> test_tuple的元素为： 2 # >>> test_tuple的元素为： 3 # >>> test_tuple的元素为： 4 # >>> test_tuple的元素为： 5 # >>> test_set的元素为：1 # >>> test_set的元素为：2 # >>> test_set的元素为：3 # >>> test_set的元素为：4 生成迭代器除了刚刚我们使用的 iter() 函数之外 ，我们还有其他方法生成迭代器：
第一种：for循环生成方法 —> 我们可以在函数中使用 for 循环， 并对每一个 for 循环的成员使用 yield() 函数 [它的意思就是将每一个 for 循环成员放到一个迭代器对象中，不过只有被调用才会被放入。]
示例如下：
def test(): for i in range(10): yield i result = test() print('for 循环，第一次 \'i\'的值为：', next(result)) print('for 循环，第二次 \'i\'的值为：', next(result)) print('for 循环，第三次 \'i\'的值为：', next(result)) print('for 循环，第四次 \'i\'的值为：', next(result)) # >>> 执行结果如下： # >>> for 循环，第一次 'i'的值为： 0 # >>> for 循环，第二次 'i'的值为： 1 # >>> for 循环，第三次 'i'的值为： 2 # >>> for 循环，第四次 'i'的值为： 3注意:超过10次异常会抛 StopIteration 的异常。
第二种：for 循环一行生成迭代器对象。
示例如下：
result = (i for i in [1, 2, 3]) # 将 for 循环在非函数中 赋值 给一个变量， 这也是生成一个迭代器变量的方法 print('for 循环，第一次 \'i\'的值为：', next(result)) # 使用 next 调用迭代器 print('for 循环，第二次 \'i\'的值为：', next(result)) print('for 循环，第三次 \'i\'的值为：', next(result)) # >>> for 循环，第一次 'i'的值为： 1 # >>> for 循环，第二次 'i'的值为： 2 # >>> for 循环，第三次 'i'的值为： 3注意: next(result) 超过4次会抛 StopIteration 的异常。
划重点：
使用 for 循环生成的迭代器，可以不使用 next() 函数 也可以执行，（依然可以通过 for 循环 获取迭代器的数据）不仅如此，当我们调取完迭代器中的数据之后，程序不会抛出异常，相比较与 next() 函数要友好的多。
示例如下：
result = (i for i in [1, 2, 3]) for item in result: print(item) # >>> 执行结果如下： # >>> 1 # >>> 2 # >>> 3 # 循环结束，程序正常退出，不会抛出 StopIteration 的异常迭代器的用法 - 演示案例
案例一：
def make_iter(): for i in range(5): yield i iter_obj = make_iter() for i in iter_obj: print(i) print('----') for i in iter_obj: print(i) # >>> 执行结果如下： # >>> 0 # >>> 1 # >>> 2 # >>> 3 # >>> 4 # >>> ---- # >>> 从运行结果得出结论，当我们从内存中读取完迭代器所有的值后，内存就会被释放，不再循环输出。案例二：
iter_obj = (i for i in range(4)) for i in iter_obj: print(i) print('=====') for i in iter_obj: print(i) # >>> 执行结果如下： # >>> 0 # >>> 1 # >>> 2 # >>> 3 # >>> ===== # >>> 从运行结果得出结论，当我们从内存中读取完迭代器所有的值后，内存就会被释放，不再循环输出。迭代器 除了前文我们提到的 按需加载 ，可以提升我们的执行速度以外。
还有另外一个原因，试想一下：如果我们的列表只有10个数据，那么读取的速度会很快。可能对资源（也就是我们的内存）占用的消耗不是很大；如果我们有一个成千上万甚至十万数据的列表，那么这些数据都要一次性的写入内存里，这么多的数据所消耗占用的资源必然会很大，甚至会撑爆我们的内存造成内存溢出，程序就会报错了。
所以如果通过迭代器的方式，我们只需要用到一个数据就将一个数据扔到内存里并且被使用。这样既可以提高我们内存使用的效率，又可以减少我们内存的消耗。这也是我们平时使用迭代器的目的。
 1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；2.本站的原创文章，会注明原创字样,如未注明都非原创，如有侵权请联系删除！；3.作者投稿可能会经我们编辑修改或补充；4.本站不提供任何储存功能只提供收集或者投稿人的网盘链接。 |
标签： #Python #字典 #迭代器 #该章节我们来学习一下 #中的一个新的概念那就是
