python迭代器原理

在Python中，迭代器（Iterator）是一种数据访问方式，允许按需逐个访问数据元素，而无需事先知道整个数据集的大小。迭代器使用了"惰性计算"的概念，即在需要的时候才生成下一个元素。

迭代器的原理基于两个主要方法：

1. __iter__()方法：迭代器对象必须实现__iter__()方法，该方法返回迭代器对象本身。这使得迭代器可以在for循环中使用。

2. __next__()方法：迭代器对象必须实现__next__()方法，该方法返回当前迭代位置的元素，并将迭代位置移动到下一个元素。当没有更多元素可供访问时，__next__()方法应该引发StopIteration异常，以标识迭代的结束。

下面是一个简单的自定义迭代器的例子，该迭代器生成自然数序列：

class NaturalNumbers:
    def __init__(self):
        self.current = 1

    def __iter__(self):
        return self

    def __next__(self):
        value = self.current
        self.current += 1
        return value

# 使用自定义迭代器
numbers = NaturalNumbers()
for i in range(5):
    print(next(numbers))  # 输出 1, 2, 3, 4, 5

在这个例子中，定义了一个名为NaturalNumbers的自定义迭代器类，其中__init__()方法初始化了当前迭代位置，__iter__()方法返回了迭代器本身，__next__()方法返回当前位置的值，并将位置递增。在for循环中，使用next()函数来获取下一个值，直到迭代结束为止。

Python的内置数据结构，如列表、字典、集合等，都是可迭代的。使用iter()函数，可以将这些数据结构转换成迭代器，从而逐个访问其中的元素。

迭代器提供了一种优雅的数据访问方式，尤其在处理大数据集时，它能够帮助节省内存，并且允许按需访问数据，提高了代码的效率和灵活性。