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。

relations

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(也有一些特列并不是所有的元素都放在内存)在Python中,常见的容器对象有:

list, deque, ....
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:

>>> assert 1 in [1, 2, 3]      # lists
>>> assert 4 not in [1, 2, 3]
>>> assert 1 in {1, 2, 3}      # sets
>>> assert 4 not in {1, 2, 3}
>>> assert 1 in (1, 2, 3)      # tuples
>>> assert 4 not in (1, 2, 3)
询问某元素是否在dict中用dict的中key:

d = {1: 'foo', 2: 'bar', 3: 'qux'}
assert 1 in d
assert 'foo' not in d  # 'foo' 不是dict中的元素
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。
可迭代对象(iterable)
刚才说过,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,听起来可能有点困惑,没关系,先看一个例子:

x = [1, 2, 3]
y = iter(x)
z = iter(x)
next(y)          1
next(y)          2
next(z)          1
type(x)
<class 'list'>>>> type(y)
<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__和__next__方法
(python2中是next方法,python3是__next__方法),这两个方法对应内置函数iter()和next()。__iter__方法返回可迭代对象本身,
这使得他既是一个可迭代对象同时也是一个迭代器。

当运行代码:

x = [1, 2, 3]
for elem in x:
    ...
实际执行情况是:

iterable-vs-iterator.png

反编译该段代码,你可以看到解释器显示地调用GET_ITER指令,相当于调用iter(x),FOR_ITER指令就是调用next()方法,不断地获
取迭代器中的下一个元素,但是你没法直接从指令中看出来,因为他被解释器优化过了。

import dis
>>> x = [1, 2, 3]
>>> dis.dis('for _ in x: pass')
  1           0 SETUP_LOOP              14 (to 17)
              3 LOAD_NAME                0 (x)
              6 GET_ITER
        >>    7 FOR_ITER                 6 (to 16)
             10 STORE_NAME               1 (_)
             13 JUMP_ABSOLUTE            7
        >>   16 POP_BLOCK
        >>   17 LOAD_CONST               0 (None)
             20 RETURN_VALUE
迭代器(iterator)

那么什么迭代器呢?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,任何实现了__next__()
(python2中实现next())方法的对象都是迭代器,至于它是如何实现的这并不重要。

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。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。

生成无限序列:

from itertools import  count
counter  = count(start=13)
print next(counter)   # 13
print next(counter)   # 14
from itertools import cycle
colors = cycle(['red', 'white', 'blue'])
next(colors)  # 'red'
next(colors)  # 'white'
next(colors)  # 'blue'
next(colors)  # 'red'
from itertools import islice
limited = islice(colors,0,4)
print list(limited)
#  ['white', 'blue', 'red', 'white']

为了更直观地感受迭代器内部的执行过程,我们自定义一个迭代器,以斐波那契数列为例:


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()
print list(islice(f,0,10))
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。

生成器(generator)
生成器算得上是Python语言中最吸引人的特性之一,生成器其实是一种特殊的迭代器,不过这种迭代器更加优雅。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。用生成器来实现斐波那契数列的例子是:

def fib(n):
    prev, curr = 0, 1
    while prev < n:
        yield curr
        prev, curr = curr, curr + prev
>>> print [x for x in fib(10)]
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
fib就是一个普通的python函数,它特需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 something():
    result = []    for ... in ...:
        result.append(x)    return result
都可以用生成器函数来替换:

def iter_something():for ... in ...:        yield x
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 xrange(10))
print type(a)
# <type 'generator'>
print sum(a)
# 285

results matching ""

    No results matching ""