1. 迭代
1.1 迭代的简介
如果给定一个list 或者 tuple，我们可以通过for 循环来遍历这个list 或 tuple ，这种遍历我们称为迭代（Iteration）。
在Python中，迭代是通过for … in来完成的，而很多语言比如C语言，迭代list是通过下标完成的，比如Java代码：
for (i=0; i<list.length; i++) {
n = list[i];
}
可以看出，Python的for循环抽象程度要高于C的for循环，因为Python的for循环不仅可以用在list或tuple上，还可以作用在其他可迭代对象上。
list这种数据类型虽然有下标，但很多其他数据类型是没有下标的，但是，只要是可迭代对象，无论有无下标，都可以迭代，比如dict就可以迭代：
In [1]: d = {'a':1,'b':2,'c':3}
In [2]: for key in d:
...: print(key)
...:
a
b
c
因为dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样。
默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同时迭代key和value，可以用for k, v in d.items()。
由于字符串也是可迭代对象，因此，也可以作用于for循环：
In [3]: for ch in 'ABC':
...: print(ch)
...:
A
B
C
所以，当我们使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行，而我们不太关心该对象究竟是list还是其他数据类型。
1.2 判断对象是否可迭代
那么，如何判断一个对象是可迭代对象呢？方法是通过collections模块的Iterable类型判断：
In [5]: from collections import Iterable
In [6]: isinstance('abvc',Iterable) # str 是否可迭代
Out[6]: True
In [7]: isinstance([1,2,3],Iterable) # list 是否可迭代
Out[7]: True
In [8]: isinstance((1,2,3),Iterable) # tuple 是否可迭代
Out[8]: True
In [9]: isinstance({'a':1,'b':2},Iterable) # dict 是否可迭代
Out[9]: True
In [11]: isinstance(set([1,2,3]),Iterable) # set 是否可迭代
Out[11]: True
In [12]: isinstance(123,Iterable) # 整数是否可迭代
Out[12]: False
1.3 怎么实现Java 那样的下标循环？
Python内置的enumerate函数可以把一个list变成索引-元素对，这样就可以在for循环中同时迭代索引和元素本身：
In [13]: for i, value in enumerate(['a','b','c']):
...: print(i,value)
...:
0 a
1 b
2 c
上面的for循环里，同时引用了两个变量，在Python里是很常见的，比如下面的代码：
In [14]: for x,y in [(1,1),(2,4),(3,9)]:
...: print(x,y)
...:
1 1
2 4
3 9
1.4 习题
请使用迭代查找一个list中最小和最大值，并返回一个tuple：
def findMinAndMax(L):
if not bool(L):
return (None,None)
min = max = L[0]
for value in L:
if value > max:
max = value
if value < min:
min = value
return min,max
print(findMinAndMax([1,2,34,0]))
运行以上代码的结果为：
(0, 34)
1.5 小结
任何可迭代对象都可以作用于for循环，包括我们自定义的数据类型，只要符合迭代条件，就可以使用for循环。
2. 列表生成式
2.1 简介
列表生成式即List Comprehensions，是Python内置的非常简单却强大的可以用来创建list的生成式。
举个例子，要生成list [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1, 11))：
In [15]: list(range(1,11))
Out[15]: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
但如果要生成[1x1, 2x2, 3x3, …, 10x10]怎么做？
方法一是循环：
In [20]: L = []
In [21]: for x in range(1,11):
...: L.append(x * x)
...:
In [22]: L
Out[22]: [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
方法二是列表生成式：
但是循环太繁琐，而列表生成式则可以用一行语句代替循环生成上面的list：
In [24]: [x * x for x in range(1,11)]
Out[24]: [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
写列表生成式时，把要生成的元素x * x放到前面，后面跟for循环，就可以把list创建出来，十分有用，多写几次，很快就可以熟悉这种语法。
2.2 for循环后面加上if判断
for循环后面还可以加上if判断，这样我们就可以筛选出仅偶数的平方：
In [25]: [x * x for x in range(1,11) if x % 2 ==0]
Out[25]: [4, 16, 36, 64, 100]
2.3 两层for循环
还可以使用两层循环，可以生成全排列：
In [26]: [m + n for m in 'ABC' for n in 'XYZ']
Out[26]: ['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
运用列表生成式，可以写出非常简洁的代码。例如，列出当前目录下的所有文件和目录名，可以通过一行代码实现：
In [1]: import os
In [2]: [d for d in os.listdir(r'/home/pyvip/tmp/pycharm_project_90')]
Out[2]:
['View.py',
'function1.py',
'MultiplicationTable.py',
'.cache',
'hahha.py',
'test.txt',
'__init__.py',
'test1.txt',
'1.py',
'Class.py',
'23']
2.4 for循环同时使用两个甚至多个变量
for循环其实可以同时使用两个甚至多个变量，比如dict的items()可以同时迭代key和value：
In [3]: d = {'x':1,'y':2,'z':3}
In [4]: for key ,value in d.items():
...: print(key,'=',value)
...:
x = 1
y = 2
z = 3
因此，列表生成式也可以使用两个变量来生成list：
In [9]: d = {'x':'1','y':'2','z':'3'}
In [10]: [key + '=' + value for key,value in d.items()]
Out[10]: ['x=1', 'y=2', 'z=3']
最后把一个list中所有的字符串变成小写：
In [11]: L = ['Hello','World','China','Python']
In [12]: [s.lower() for s in L]
Out[12]: ['hello', 'world', 'china', 'python']
2.5 练习
如果list中既包含字符串，又包含整数，由于非字符串类型没有lower()方法，所以列表生成式会报错：
In [13]: L = ['Hello','World','China','Python',20,None]
In [14]: [s.lower() for s in L]
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-14-daa7212a8c07> in <module>()
----> 1 [s.lower() for s in L]
<ipython-input-14-daa7212a8c07> in <listcomp>(.0)
----> 1 [s.lower() for s in L]
AttributeError: 'int' object has no attribute 'lower'
可以使用内建的isinstance函数可以判断一个变量是不是字符串：
In [20]: L = ['Hello','World','China','Python',20,None]
In [21]: [s.lower() for s in L if isinstance(s,str)]
Out[21]: ['hello', 'world', 'china', 'python']
2.6 小结
运用列表生成式，可以快速生成list，可以通过一个list推导出另一个list，而代码却十分简洁。
3. 生成器
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
3.1 创建生成器的方法
方法一：
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
In [22]: L = [x * x for x in range(10)]
In [23]: L
Out[23]: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
In [24]: g = (x * x for x in range(10))
In [25]: g
Out[25]: <generator object <genexpr> at 0x7fbb04448518>
创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：
In [26]: next(g)
Out[26]: 0
In [27]: next(g)
Out[27]: 1
In [28]: next(g)
Out[28]: 4
In [29]: next(g)
Out[29]: 9
In [30]: next(g)
Out[30]: 16
In [31]: next(g)
Out[31]: 25
In [32]: next(g)
Out[32]: 36
In [33]: next(g)
Out[33]: 49
In [34]: next(g)
Out[34]: 64
In [35]: next(g)
Out[35]: 81
In [36]: next(g)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-36-e734f8aca5ac> in <module>()
----> 1 next(g)
StopIteration:
前面讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：
In [37]: g = (x * x for x in range(10))
In [38]: for n in g:
...: print(n)
...:
0
1
4
9
16
25
36
49
64
81
因此，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, …
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
def fib(max):
n,a,b = 0 ,0, 1
while n < max:
print(b)
a, b = b,a+b
n += 1
return 'done'
注意：赋值语句
a, b = b,a+b
# 相当于
t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]
#但不必显式写出临时变量t就可以赋值。
上面的函数可以输出斐波那契数列的前N个数：
In [43]: fib(6)
1
1
2
3
5
8
Out[43]: 'done'
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
方法二：
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
def fib(max):
...: n,a,b = 0 ,0, 1
...: while n < max:
...: yield b
...: a, b = b,a+b
...: n += 1
...: return 'done'
...:
...:
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
In [45]: fib(6)
Out[45]: <generator object fib at 0x7fbb049797d8>
这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
举个简单的例子，定义一个generator，依次返回数字1，3，5：
def odd():
...: print('step 1')
...: yield 1
...: print('step 2')
...: yield 3
...: print('step 3')
...: yield 5
调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：
In [47]: o = odd()
In [48]: next(o)
step 1
Out[48]: 1
In [49]: next(o)
step 2
Out[49]: 3
In [50]: next(o)
step 3
Out[50]: 5
In [51]: next(o)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-51-ac94be31f4f2> in <module>()
----> 1 next(o)
StopIteration:
可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。
回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。
同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：
In [52]: for n in fib(6):
...: print(n)
...:
1
1
2
3
5
8
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
In [55]: g = fib(6)
In [56]: while True:
...: try:
...: x = next(g)
...: print('g:',x)
...: except StopIteration as e:
...: print('Generator return value:',e.value)
...: break
...:
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
3.2 练习
杨辉三角定义如下：
把每一行看做一个list，试写一个generator，不断输出下一行的list：
In [64]: def triangles(n):
...: N = [1]
...: while True:
...: yield N
...: N = [1] + [N[i] + N[i + 1] for i in range(len(N) - 1)] + [1]
...: if len(N) > n:
...: break
...:
调用上面的函数，并执行结果
In [65]: m = triangles(6)
In [66]: for i in m:
...: print(i)
...:
[1]
[1, 1]
[1, 2, 1]
[1, 3, 3, 1]
[1, 4, 6, 4, 1]
[1, 5, 10, 10, 5, 1]
3.3 小结
generation 是非常强大的工具，在Python中，可以简单地把列表生成式generation，也可以通过函数实现复杂逻辑的generator。
要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。
请注意区分普通函数和generator函数，普通函数调用直接返回结果：
In [78]: a = abs(6)
In [79]: a
Out[79]: 6
generator函数的“调用”实际返回一个generator对象：
In [80]: g = fib(6)
In [81]: g
Out[81]: <generator object fib at 0x7fbb048c5ca8>
4. 迭代器
4.1 简介
我们已经知道，可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象：
In [83]: from collections import Iterable
In [84]: isinstance([],Iterable)
Out[84]: True
In [85]: isinstance({},Iterable)
Out[85]: True
In [86]: isinstance('abc',Iterable)
Out[86]: True
In [87]: isinstance((i for i in range(10)),Iterable)
Out[87]: True
In [88]: isinstance(123,Iterable)
Out[88]: False
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用isinstance()判断一个对象是否是Iterator对象：
In [91]: from collections import Iterator
In [92]: isinstance((x for x in range(10)),Iterator)
Out[92]: True
In [93]: isinstance((),Iterator)
Out[93]: False
In [94]: isinstance([],Iterator)
Out[94]: False
In [95]: isinstance({},Iterator)
Out[95]: False
In [96]: isinstance('abc',Iterator)
Out[96]: False
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数：
In [97]: isinstance(iter(()),Iterator)
Out[97]: True
In [98]: isinstance(iter([]),Iterator)
Out[98]: True
In [99]: isinstance(iter({}),Iterator)
Out[99]: True
In [100]: isinstance(iter('abc'),Iterator)
Out[100]: True
为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
4.2 小结
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
Python的for循环本质上就是通过不断调用next()函数实现的，例如：
for x in [1, 2, 3, 4, 5]:
pass
实际上完全等价于：
# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:
# 获得下一个值:
x = next(it)
except StopIteration:
# 遇到StopIteration就退出循环
break
