Python中for循环可迭代对象迭代器及生成器源码学习
作者:Blanker_711 时间:2023-10-11 07:00:30
问题:
之前在学习list和dict相关的知识时,遇到了一个常见的问题:如何在遍历list或dict的时候正常删除?例如我们在遍历dict的时候删除,会报错:RuntimeError: dictionary changed size during iteration;而在遍历list的时候删除,会有部分元素删除不完全。
由这个问题又引发了我对另一个问题的思考:我们通过for循环去遍历一个list或dict时,具体是如何for的呢?即for循环的本质是什么?
在查阅了相关资料后,我认识到这是一个和迭代器相关的问题,所以借此机会来详细认识一下Python中的for循环、可迭代对象、迭代器和生成器
1. 迭代
“迭代是重复反馈过程的活动,其目的通常是为了逼近所需目标或结果。”在Python中,可迭代对象、迭代器、for循环都是和“迭代”密切相关的知识点。
1.1 可迭代对象Iterable
在Python中,称可以迭代的对象为可迭代对象。要判断一个类是否可迭代,只需要判断这个类是否为Iterable类的实例即可:
>>> from collections.abc import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance(123, Iterable)
False
上述提供了一个判断对象是否为可迭代对象的方法,那么一个对象怎么才是可迭代对象呢——只需要该对象的类实现了__iter__()方法即可:
>>> class A:
pass
>>> isinstance(A(), Iterable)
False
>>> class B:
def __iter__(self):
pass
>>> isinstance(B(), Iterable)
True
由此可见,只要一个类实现了__iter__()方法,那么这个类的实例对象就是可迭代对象。注意这里的__iter__()方法可以没有任何内容。
1.2 迭代器Iterator
在Python中,通过Iterator类与迭代器相对应。相较于可迭代对象,迭代器只是多实现了一个__next__()方法:
>>> from collections.abc import Iterator
>>> class C:
def __iter__(self):
pass
def __next__(self):
pass
>>> isinstance(C(), Iterator)
True
显然,迭代器一定是可迭代对象(因为迭代器同时实现了__iter__()方法和__next__()方法),而可迭代对象不一定是迭代器。
我们来看一下内建类型中的可迭代对象是否为迭代器:
>>> isinstance(C(), Iterator)
True
>>> isinstance([], Iterable)
True
>>> isinstance([], Iterator)
False
>>> isinstance('123', Iterable)
True
>>> isinstance('123', Iterator)
False
>>> isinstance({}, Iterable)
True
>>> isinstance({}, Iterator)
False
由此可见,str、list、dict对象都是可迭代对象,但它们都不是迭代器。
至此,我们对可迭代对象和迭代器有了一个基本概念上的认识,也知道了有__iter__()和__next__()这两种方法。但是这两个魔法方法究竟是如何使用的呢?它们和for循环又有什么关系呢?
1.3 for循环
1.3.1 iter()方法和next()方法
iter()方法和next()方法都是Python提供的内置方法。对对象使用iter()方法会调用对象的__iter__()方法,对对象使用next()方法会调用对象的__next__()方法。下面我们具体看一下它们之间的关系。
1.3.2 iter()和__iter__()
__iter__()方法的作用就是返回一个迭代器,一般我们可以通过内置函数iter()来调用对象的__iter__()方法
1.2中举的例子,只是简单的实现了__iter__()方法,但函数体直接被pass掉了,本质上是没有实现迭代功能的,现在我们来看一下__iter__()正常使用时的例子:
>>> class A:
def __iter__(self):
print('执行A类的__iter__()方法')
return B()
>>> class B:
def __iter__(self):
print('执行B类的__iter__()方法')
return self
def __next__(self):
pass
>>> a = A()
>>> a1 = iter(a)
执行A类的__iter__()方法
>>> b = B()
>>> b1 = iter(b)
执行B类的__iter__()方法
可以看到,对于类A,我们为它的__iter__()方法设置了返回值为B(),而B()就是一个迭代器;
而对于类B,我们在它的__iter__()方法中直接返回了它的实例self,因为它的实例本身就是可迭代对象。
当然这里我们也可以返回其他的迭代器,但是如果__iter__()方法返回的是一个非迭代器,那么当我们调用iter()方法时就会报错:
>>> class C:
def __iter__(self):
pass
>>> iter(C())
Traceback (most recent call last):
File "<pyshell#4>", line 1, in <module>
iter(C())
TypeError: iter() returned non-iterator of type 'NoneType'
>>> class D:
def __iter__(self):
return []
>>> iter(D())
Traceback (most recent call last):
File "<pyshell#8>", line 1, in <module>
iter(D())
TypeError: iter() returned non-iterator of type 'list'
1.3.3 next()和__next__()
__next__()方法的作用是返回遍历过程中的下一个元素,如果没有下一个元素,则会抛出StopIteration异常,一般我们可以通过内置函数next()来调用对象的__next__()方法
下面我们以list对象为例,来看一下next是如何遍历的:
>>> l1 = [1, 2, 3]
>>> next(l1)
Traceback (most recent call last):
File "<pyshell#1>", line 1, in <module>
next(l1)
TypeError: 'list' object is not an iterator
可以看到,当我们直接对列表对象l1使用next()方法时,会报错’list’ object is not an iterator,显然list对象并不是迭代器,也就是说它没有实现__next__()方法,那么我们怎么才能去”对一个列表对象使用next()“呢——根据我们前面介绍的__iter__()方法,我们知道它会返回一个迭代器,而迭代器是实现了__next__()方法的,所以我们可以先对list对象使用iter__(),获取到它对应的迭代器,然后对这个迭代器使用next()就可以了:
>>> l1 = [1, 2, 3]
>>> l1_iter = iter(l1)
>>> type(l1_iter)
<class 'list_iterator'>
>>> next(l1_iter)
1
>>> next(l1_iter)
2
>>> next(l1_iter)
3
>>> next(l1_iter)
Traceback (most recent call last):
File "<pyshell#6>", line 1, in <module>
next(l1_iter)
StopIteration
思考:__next__()为什么要不停地去取出元素,并且在最后去抛出异常,而不是通过对象的长度相关信息来确定调用次数?
个人认为是因为我们可以通过next()去手动调用对象的__next__()方法,而在next()中并没有判断对象的长度,所以需要在__next__()去处理
1.3.4 自定义类实现__iter__()和__next__()
下面我们试着通过实现自定义一下list的迭代过程:
首先我们定义一个类A,它是一个可迭代对象,__iter__()方法会返回一个迭代器B(),并且还拥有一个成员变量m_Lst:
>>> class A:
def __init__(self, lst):
self.m_Lst = lst
def __iter__(self):
return B(self.m_Lst)
对于迭代器的类B,我们实现它的__iter__()方法和__next__()方法,注意在__next__()方法中我们需要抛出StopIteration异常。此外,它拥有两个成员变量self.m_Lst和self.m_Index用于迭代遍历:
>>> class B:
def __init__(self, lst):
self.m_Lst = lst
self.m_Index= 0
def __iter__(self):
return self
def __next__(self):
try:
value = self.m_Lst[self.m_Index]
self.m_Index += 1
return value
except IndexError:
raise StopIteration()
至此,我们已经完成了迭代器的准备工作,下面我们来实践一下迭代吧,为了更好地展示这个过程,我们可以加上一些打印:
>>> class A:
def __init__(self, lst):
self.m_Lst = lst
def __iter__(self):
print('call A().__iter__()')
return B(self.m_Lst)
>>> class B:
def __init__(self, lst):
self.m_Lst = lst
self.m_Index= 0
def __iter__(self):
print('call B().__iter__()')
return self
def __next__(self):
print('call B().__next__()')
try:
value = self.m_Lst[self.m_Index]
self.m_Index += 1
return value
except IndexError:
print('call B().__next__() except IndexError')
raise StopIteration()
>>> l = [1, 2, 3]
>>> a = A(l)
>>> a_iter = iter(a)
call A().__iter__()
>>> next(a_iter)
call B().__next__()
1
>>> next(a_iter)
call B().__next__()
2
>>> next(a_iter)
call B().__next__()
3
>>> next(a_iter)
call B().__next__()
call B().__next__() except IndexError
Traceback (most recent call last):
File "<pyshell#5>", line 11, in __next__
value = self.m_Lst[self.m_Index]
IndexError: list index out of range
During handling of the above exception, another exception occurred:
Traceback (most recent call last):
File "<pyshell#12>", line 1, in <module>
next(a_iter)
File "<pyshell#5>", line 16, in __next__
raise StopIteration()
StopIteration
可以看到,我们借助iter()和next()方法能够很好地将整个遍历的过程展示出来。至此,我们对可迭代对象、迭代器以及__iter__()和__next__()都有了一定的认识,那么,for循环和它们有什么关系呢?
1.3.5 探究for循环
for循环是我们使用频率最高的操作之一,我们一般会用它来遍历一个容器(列表、字典等),这些容器都有一个共同的特点——都是可迭代对象。那么对于我们自定义的类A,它的实例对象a应该也可以通过for循环来遍历:
>>> for i in a:
print(i)
call A().__iter__()
call B().__next__()
1
call B().__next__()
2
call B().__next__()
3
call B().__next__()
call B().__next__() except IndexError
>>> for i in a:
pass
call A().__iter__()
call B().__next__()
call B().__next__()
call B().__next__()
call B().__next__()
call B().__next__() except IndexError
通过打印,我们可以清楚的看到:对一个可迭代对象使用for循环进行遍历时,for循环会调用该对象的__iter__()方法来获取到迭代器,然后循环调用该迭代器的__next__()方法,依次获取下一个元素,并且最后会捕获StopIteration异常(这里可以尝试在类B的__next__()方法最后只捕获IndexError而不抛出StopIteration,则for循环此时会无限循环)
既然我们提到了for循环会自动去捕获StopIteration异常,当没有捕获到StopIteration异常时会无限循环,那么我们是否可以用while循环来模拟一下这个过程呢?
>>> while True:
try:
i = next(a_iter)
print(i)
except StopIteration:
print('except StopIteration')
break
call B().__next__()
1
call B().__next__()
2
call B().__next__()
3
call B().__next__()
call B().__next__() except IndexError
except StopIteration
到这里,大家应该对for对可迭代对象遍历的过程有了一定的了解,想要更深入了解的话可以结合源码进一步学习(本次学习分享主要是结合实际代码对一些概念进行讲解,并未涉及到相应源码)。
2 生成器
迭代器和生成器总是会被同时提起,那么它们之间有什么关联呢——生成器是一种特殊的迭代器。
2.1 获取生成器
当一个函数体内使用yield关键字时,我们就称这个函数为生成器函数;当我们调用这个生成器函数时,Python会自动在返回的对象中添加__iter__()方法和__next__()方法,它返回的对象就是一个生成器。
代码示例:
>>> from collections.abc import Iterator
>>> def generator():
print('first')
yield 1
print('second')
yield 2
print('third')
yield 3
>>> gen = generator()
>>> isinstance(gen, Iterator)
True
2.2 next(生成器)
既然生成器是一种特殊的迭代器,那么我们对它使用一下next()方法:
>>> next(gen)
first
1
>>> next(gen)
second
2
>>> next(gen)
third
3
>>> next(gen)
Traceback (most recent call last):
File "<pyshell#19>", line 1, in <module>
next(gen)
StopIteration
这里我想给这个generator()函数加一个return,最后会在抛出异常时打印这个返回值(这里我对Python异常相关的知识了解比较少,不太清楚这个问题,以后再补充吧):
>>> from collections.abc import Iterator
>>> def generator():
print('first')
yield 1
print('second')
yield 2
print('third')
yield 3
return 'end'
>>> gen = generator()
>>> isinstance(gen, Iterator)
True
>>> next(gen)
first
1
>>> next(gen)
second
2
>>> next(gen)
third
3
>>> next(gen)
Traceback (most recent call last):
File "<pyshell#7>", line 1, in <module>
next(gen)
StopIteration: end
可以看到,当我们对生成器使用next()方法时,生成器会执行到下一个yield为止,并且返回yield后面的值;当我们再次调用next(生成器)时,会继续向下执行,直到下一个yield语句;执行到最后再没有yield语句时,就会抛出StopIteration异常
2.3 生成器和迭代器
通过上面的过程,我们知道了生成器本质上就是一种迭代器,但是除了yield的特殊外,生成器还有什么特殊点呢——惰性计算。
这里的惰性计算是指:当我们调用next(生成器)时,每次调用只会产生一个值,这样的好处就是,当遍历的元素量很大时,我们不需要将所有的元素一次获取,而是每次只取其中的一个元素,可以节省大量内存。(个人理解:这里注意和上面的迭代器的next()区别开,对于迭代器,虽然每次next()时,也只会返回一个值,但是本质上我们已经把所有的值存储在内存中了(比如类A和类B的self.m_Lst),但是对于生成器,内存中并不会将所有的值先存储起来,而是每次调用next()就获取一个值)
下面我们来看一个实际的例子:输出10000000以内的所有偶数(注意,如果实际业务环境下需要存储,那就根据实际情况来,这里只是针对两者的区别进行讨论)
首先我们通过迭代器来实现:(这里直接使用列表)
>>> def iterator():
lst = []
index = 0
while index <= 10000000:
if index % 2 == 0:
print(index)
lst.append(index)
index += 1
return lst
>>> result = iterator()
然后通过生成器来实现:
>>> def generator():
index = 0
while index <= 10000000:
if index % 2 == 0:
yield index
index += 1
>>> gen = generator()
>>> next(gen)
0
>>> next(gen)
2
>>> next(gen)
4
>>> next(gen)
6
>>> next(gen)
8
由于采取了惰性运算,生成器也有它的不足:对于列表对象、字典对象等可迭代对象,我们可以通过len()方法直接获取其长度,但是对于生成器对象,我们只知道当前元素,自然就不能获取到它的长度信息了。
下面我们总结一下生成器和迭代器的相同点和不同点:
生成器是一种特殊的迭代器;迭代器会通过return来返回值,而生成器则是通过yield来返回值,对生成器使用next()方法,会在每一个yield语句处停下;迭代器会存储所有的元素,但是生成器采用的是惰性计算,只知道当前元素。
2.4 生成器解析式
列表解析式是我们常用的一种解析式:(类似的还有字典解析式、集合解析式)
>>> lst = [i for i in range(10) if i % 2 == 1]
>>> lst
[1, 3, 5, 7, 9]
而生成器解析式和列表解析式类似,我们只需要将[]更换为()即可:(把元组解析式给抢了,hh)
>>> gen = (i for i in range(10) if i % 2 == 1)
>>> gen
<generator object <genexpr> at 0x00000193E2945A80>
>>> next(gen)
1
>>> next(gen)
3
>>> next(gen)
5
>>> next(gen)
7
>>> next(gen)
9
>>> next(gen)
Traceback (most recent call last):
File "<pyshell#11>", line 1, in <module>
next(gen)
StopIteration
至此,我们就有了生成器的两种创造方式:
生成器函数(yield)返回一个生成器生成器解析式返回一个生成器 3 解决问题
最后回到我们最初的问题:如何在遍历list或dict的时候正常删除?
首先我们来探寻一下出错的原因,以list对象为例:
>>> lst = [1, 2, 3]
>>> for i in lst:
print(i)
lst.remove(i)
1
3
可以看到,我们在遍历打印列表元素的同时删除当前元素,实际的输出和我们需要的输出并不一样。以下是个人理解(想更准确地解答这个问题可能需要进一步结合源码):
remove删除列表元素时,列表元素的索引会发生变化(这是因为Python底层列表是通过数组实现的,remove方法删除元素时需要挪动其他元素,具体分析我后续会补充相关源码学习笔记,这里先了解即可)
类比我们自定义实现的迭代器,可以看到我们会在__next__()方法中对索引进行递增:
>>> class A:
def __init__(self, lst):
self.m_Lst = lst
def __iter__(self):
print('call A().__iter__()')
return B(self.m_Lst)
>>> class B:
def __init__(self, lst):
self.m_Lst = lst
self.m_Index= 0
def __iter__(self):
print('call B().__iter__()')
return self
def __next__(self):
print('call B().__next__()')
try:
value = self.m_Lst[self.m_Index]
self.m_Index += 1
return value
except IndexError:
print('call B().__next__() except IndexError')
raise StopIteration()
那么我们可以猜测:列表对象对应的迭代器,应该也是会有一个索引成员变量,用于在__next__()方法中进行定位(这里没看过源码,只是个人猜想)
当我们使用for循环遍历列表对象时,实际上是通过next()方法对其对应的迭代器进行操作,此时由于remove()方法的调用,导致列表元素的索引发生了改变(原来元素3的索引是2,删除元素2之后索引变为了1),所以在__next__()方法中,此时需要遍历的元素索引为1,而元素3顶替了这个位置,所以最后的输出为1,3。
dict和list类似,不过在遍历时删除dict中的元素时会直接报错,具体原因大家也可以自行分析。
来源:https://blog.csdn.net/xiaoli_Jenny/article/details/123741413