可迭代对象什么意思

一、可迭代对象什么意思

可迭代对象的意思：可以使用for循环遍历的对象。

在Python中，任何对象，只要它定义了可以返回迭代器的__iter__（）方法，或者定义了可以支持下标索引的__getitem__（）方法，就可以被称为可迭代对象。可迭代对象是Python中十分重要的一种对象类型，在Python编程中的使用频率非常高，能够方便地处理序列数据和进行编程。

对于可迭代对象，我们可以使用for循环来进行迭代操作，也可以使用内置函数iter（）将其转换为迭代器对象，然后使用next（）函数来逐个访问对象中的元素。可迭代对象的存在，使得我们可以更加方便地对数据进行遍历、过滤、映射等操作。

1、迭代：可迭代对象可以被用于for循环中，使得我们能够遍历其中的元素。

2、列表推导式和生成器表达式：可迭代对象可以被用于生成器表达式和列表推导式中，使得我们能够方便地生成新的序列。

3、函数：可迭代对象可以被用于一些高阶函数中，比如map（）和filter（）函数等，使得我们能够更加方便地处理序列数据。

4、数据流处理：可迭代对象可以被用于在数据流处理中处理大量数据，比如读取文件中的数据或从网络流中读取数据等。

5、装饰器：可迭代对象可以被用于装饰器中，使得我们能够更好地实现装饰器的功能。

二、Python中什么是迭代

1、如果给定一个list或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）。

2、在Python中，迭代是通过for... in来完成的，而很多语言比如C或者Java，迭代list是通过下标完成的，比如Java代码：

3、for(i=0; i<list.length; i++){ n= list[i];

4、可以看出，Python的for循环抽象程度要高于Java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。

5、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：

6、>>> d={'a': 1,'b': 2,'c': 3}>>> for key in d:... print(key)

7、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。

8、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()。

9、由于字符串也是可迭代对象，因此，也可以作用于for循环：

10、>>> for ch in'ABC':... print(ch)

11、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。

12、这个网站有很多Python的系统、基础教程，可以看看。网页链接

三、Python中的“迭代”详解

1、迭代器模式：一种惰性获取数据项的方式，即按需一次获取一个数据项。

2、所有序列都是可以迭代的。我们接下来要实现一个 Sentence（句子）类，我们向这个类的构造方法传入包含一些文本的字符串，然后可以逐个单词迭代。

3、接下来测试 Sentence实例能否迭代

4、解释器需要迭代对象 x时，会自动调用iter(x)。

5、由于序列都实现了 __getitem__方法，所以都可以迭代。

6、可迭代对象：使用内置函数 iter()可以获取迭代器的对象。

7、与迭代器的关系：Python从可迭代对象中获取迭代器。

8、下面用for循环迭代一个字符串，这里字符串'abc'是可迭代的对象，用 for循环迭代时是有生成器，只是 Python隐藏了。

9、如果没有 for语句，使用 while循环模拟，要写成下面这样：

10、 Python内部会处理 for循环和其他迭代上下文（如列表推导，元组拆包等等）中的 StopIteration异常。

11、 __next__：返回下一个可用的元素，如果没有元素了，抛出 StopIteration异常。

12、 __iter__：返回 self，以便在需要使用可迭代对象的地方使用迭代器，如 for循环中。

13、迭代器：实现了无参数的 __next__方法，返回序列中的下一个元素；如果没有元素了，那么抛出 StopIteration异常。Python中的迭代器还实现了 __iter__方法，因此迭代器也可以迭代。

14、接下来使用迭代器模式实现 Sentence类：

15、注意，不要在 Sentence类中实现 __next__方法，让 Sentence实例既是可迭代对象，也是自身的迭代器。

16、为了“支持多种遍历”，必须能从同一个可迭代的实例中获取多个独立的迭代器，而且各个迭代器要能维护自身的内部状态，因此这一模式正确的实现方式是，每次调用 iter(my_iterable)都新建一个独立的迭代器。

17、实现相同功能，但却符合 Python习惯的方式是，用生成器函数代替 SentenceIteror类。

18、只要 Python函数的定义体中有 yield关键字，该函数就是生成器函数。调用生成器函数，就会返回一个生成器对象。

19、生成器函数会创建一个生成器对象，包装生成器函数的定义体，把生成器传给 next(...)函数时，生成器函数会向前，执行函数定义体中的下一个 yield语句，返回产出的值，并在函数定义体的当前位置暂停，。最终，函数的定义体返回时，外层的生成器对象会抛出 StopIteration异常，这一点与迭代器协议一致。

20、如今这一版 Sentence类相较之前简短多了，但是还不够慵懒。惰性，是如今人们认为最好的特质。惰性实现是指尽可能延后生成值，这样做能节省内存，或许还能避免做无用的处理。

21、目前实现的几版 Sentence类都不具有惰性，因为 __init__方法急迫的构建好了文本中的单词列表，然后将其绑定到 self.words属性上。这样就得处理整个文本，列表使用的内存量可能与文本本身一样多（或许更多，取决于文本中有多少非单词字符）。

22、 re.finditer函数是 re.findall函数的惰性版本，返回的是一个生成器，按需生成 re.MatchObject实例。我们可以使用这个函数来让 Sentence类变得懒惰，即只在需要时才生成下一个单词。

23、标准库提供了很多生成器函数，有用于逐行迭代纯文本文件的对象，还有出色的 os.walk函数等等。本节专注于通用的函数：参数为任意的可迭代对象，返回值是生成器，用于生成选中的、计算出的和重新排列的元素。

24、第一组是用于过滤的生成器函数：从输入的可迭代对象中产出元素的子集，而且不修改元素本身。这种函数大多数都接受一个断言参数(predicate)，这个参数是个布尔函数，有一个参数，会应用到输入中的每个元素上，用于判断元素是否包含在输出中。

25、第二组是用于映射的生成器函数：在输入的单个/多个可迭代对象中的各个元素上做计算，然后返回结果。

26、第三组是用于合并的生成器函数，这些函数都可以从输入的多个可迭代对象中产出元素。

27、第四组是从一个元素中产出多个值，扩展输入的可迭代对象。

28、第五组生成器函数用于产出输入的可迭代对象中的全部元素，不过会以某种方式重新排列。

29、下面的函数都接受一个可迭代的对象，然后返回单个结果，这种函数叫“归约函数”，“合拢函数”或“累加函数”，其实，这些内置函数都可以用 functools.reduce函数实现，但内置更加方便，而且还有一些优点。