在瞭解Python的資料結構時，容器(container)、可迭代物件(iterable)、迭代器(iterator)、生成器(generator)、列表/集合/字典推導式(list,set,dict comprehension)眾多概念參雜在一起，難免讓初學者一頭霧水，我將用一篇文章試圖將這些概念以及它們之間的關係捋清楚。

簡要說明三者關係

1）可迭代物件包含迭代器。
2）如果一個物件擁有__iter__方法，其是可迭代物件；如果一個物件擁有next方法，其是迭代器。
3）定義可迭代物件，必須實現__iter__方法；定義迭代器，必須實現__iter__和next方法。

容器(container)

容器是一種把多個元素組織在一起的資料結構，容器中的元素可以逐個地迭代獲取，可以用in, not in關鍵字判斷元素是否包含在容器中。通常這類資料結構把所有的元素儲存在記憶體中（也有一些特例，並不是所有的元素都放在記憶體，比如迭代器和生成器物件）在Python中，常見的容器物件有：

• list, deque, ….
• set, frozensets, ….
• dict, defaultdict, OrderedDict, Counter, ….
• tuple, namedtuple, …
• str

容器比較容易理解，因為你就可以把它看作是一個盒子、一棟房子、一個櫃子，裡面可以塞任何東西。從技術角度來說，當它可以用來詢問某個元素是否包含在其中時，那麼這個物件就可以認為是一個容器，比如 list，set，tuples都是容器物件：

Python

>>> 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)

詢問某元素是否在dict中用dict的中key：

Python

>>> d = {1: 'foo', 2: 'bar', 3: 'qux'}
>>> assert 1 in d
>>> assert 'foo' not in d  # 'foo' 不是dict中的元素

詢問某substring是否在string中：

Python

>>> s = 'foobar'
>>> assert 'b' in s
>>> assert 'x' not in s
>>> assert 'foo' in s

儘管絕大多數容器都提供了某種方式來獲取其中的每一個元素，但這並不是容器本身提供的能力，而是可迭代物件賦予了容器這種能力，當然並不是所有的容器都是可迭代的，比如：Bloom filter，雖然Bloom filter可以用來檢測某個元素是否包含在容器中，但是並不能從容器中獲取其中的每一個值，因為Bloom filter壓根就沒把元素儲存在容器中，而是通過一個雜湊函式對映成一個值儲存在陣列中。

可迭代物件(iterable)

剛才說過，很多容器都是可迭代物件，此外還有更多的物件同樣也是可迭代物件，比如處於開啟狀態的files，sockets等等。但凡是可以返回一個迭代器的物件都可稱之為可迭代物件，聽起來可能有點困惑，沒關係，先看一個例子： 

Python

>>> 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'>

這裡x是一個可迭代物件，可迭代物件和容器一樣是一種通俗的叫法，並不是指某種具體的資料型別，list是可迭代物件，dict是可迭代物件，set也是可迭代物件。y和z是兩個獨立的迭代器，迭代器內部持有一個狀態，該狀態用於記錄當前迭代所在的位置，以方便下次迭代的時候獲取正確的元素。迭代器有一種具體的迭代器型別，比如list_iterator，set_iterator。可迭代物件實現了__iter__方法，該方法返回一個迭代器物件。

當執行程式碼：

Python

x = [1, 2, 3]
for elem in x:
    ...

實際執行情況是：

反編譯該段程式碼，你可以看到直譯器顯示地呼叫GET_ITER指令，相當於呼叫iter(x)，FOR_ITER指令就是呼叫next()方法，不斷地獲取迭代器中的下一個元素，但是你沒法直接從指令中看出來，因為他被直譯器優化過了。

Python

>>> 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)

那麼什麼迭代器呢？它是一個帶狀態的物件，他能在你呼叫next()方法的時候返回容器中的下一個值，任何實現了__iter__和__next__()（python2中實現next()）方法的物件都是迭代器，__iter__返回迭代器自身，__next__返回容器中的下一個值，如果容器中沒有更多元素了，則丟擲StopIteration異常，至於它們到底是如何實現的這並不重要。

所以，迭代器就是實現了工廠模式的物件，它在你每次你詢問要下一個值的時候給你返回。有很多關於迭代器的例子，比如itertools函式返回的都是迭代器物件。

生成無限序列：

Python

>>> from itertools import count
>>> counter = count(start=13)
>>> next(counter)
13
>>> next(counter)
14

 

從一個有限序列中生成無限序列：

Python

>>> from itertools import cycle
>>> colors = cycle(['red', 'white', 'blue'])
>>> next(colors)
'red'
>>> next(colors)
'white'
>>> next(colors)
'blue'
>>> next(colors)
'red'

 

從無限的序列中生成有限序列：

Python

>>> from itertools import islice
>>> colors = cycle(['red', 'white', 'blue'])  # infinite
>>> limited = islice(colors, 0, 4)            # finite
>>> for x in limited:                        
...     print(x)
red
white
blue
red

為了更直觀地感受迭代器內部的執行過程，我們自定義一個迭代器，以斐波那契數列為例：

Python

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()
>>> list(islice(f, 0, 10))
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55

Fib既是一個可迭代物件（因為它實現了__iter__方法），又是一個迭代器（因為實現了__next__方法）。例項變數prev和curr使用者維護迭代器內部的狀態。每次呼叫next()方法的時候做兩件事：

1. 為下一次呼叫next()方法修改狀態
2. 為當前這次呼叫生成返回結果

迭代器就像一個懶載入的工廠，等到有人需要的時候才給它生成值返回，沒呼叫的時候就處於休眠狀態等待下一次呼叫。

生成器(generator)

概念一：生成器是一種特殊的迭代器，生成器自動實現了“迭代器協議”（即__iter__和next方法），不需要再手動實現兩方法。

生成器在迭代的過程中可以改變當前迭代值，而修改普通迭代器的當前迭代值往往會發生異常，影響程式的執行

具有yield關鍵字的函式都是生成器，yield可以理解為return，返回後面的值給呼叫者。不同的是return返回後，函式會釋放，而生成器則不會。在直接呼叫next方法或用for語句進行下一次迭代時，生成器會從yield下一句開始執行，直至遇到下一個yield。

概念二：生成器算得上是Python語言中最吸引人的特性之一，生成器其實是一種特殊的迭代器，不過這種迭代器更加優雅。它不需要再像上面的類一樣寫__iter__()和__next__()方法了，只需要一個yiled關鍵字。 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種懶載入的模式生成值。用生成器來實現斐波那契數列的例子是：

Python

def fib():
    prev, curr = 0, 1
    while True:
        yield curr
        prev, curr = curr, curr + prev
 
>>> f = fib()
>>> list(islice(f, 0, 10))
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

fib就是一個普通的python函式，它特殊的地方在於函式體中沒有return關鍵字，函式的返回值是一個生成器物件。當執行f=fib()返回的是一個生成器物件，此時函式體中的程式碼並不會執行，只有顯示或隱示地呼叫next的時候才會真正執行裡面的程式碼。

生成器在Python中是一個非常強大的程式設計結構，可以用更少地中間變數寫流式程式碼，此外，相比其它容器物件它更能節省記憶體和CPU，當然它可以用更少的程式碼來實現相似的功能。現在就可以動手重構你的程式碼了，但凡看到類似：

Python

def something():
    result = []
    for ... in ...:
        result.append(x)
    return result

都可以用生成器函式來替換：

Python

def iter_something():
    for ... in ...:
        yield x

生成器表示式(generator expression)

生成器表示式是列表推倒式的生成器版本，看起來像列表推導式，但是它返回的是一個生成器物件而不是列表物件。

Python

>>> a = (x*x for x in range(10))
>>> a
<generator object <genexpr> at 0x401f08>
>>> sum(a)
285

總結

• 容器是一系列元素的集合，str、list、set、dict、file、sockets物件都可以看作是容器，容器都可以被迭代（用在for，while等語句中），因此他們被稱為可迭代物件。
• 可迭代物件實現了__iter__方法，該方法返回一個迭代器物件。
• 迭代器持有一個內部狀態的欄位，用於記錄下次迭代返回值，它實現了__next__和__iter__方法，迭代器不會一次性把所有元素載入到記憶體，而是需要的時候才生成返回結果。
• 生成器是一種特殊的迭代器，它的返回值不是通過return而是用yield。