可迭代的对象、迭代器和生成器
迭代是数据处理的基石。扫描内存中放不下的数据集时，我们要找到一种惰性获取数据项的方式，即按需一次获取一个数据项。这就是迭代器模式（Iterator pattern）。
迭代器用于从集合中取出元素；而生成器用于“凭空”生成元素。通过斐波纳契数列能很好地说明二者之间的区别：斐波纳契数
列中的数有无穷个，在一个集合里放不下。不过要知道，在 Python社区中，大多数时候都把迭代器和生成器视作同一概念。
Sentence类
单词序列
import re import reprlib RE_WORD = re.compile('w+') class Sentence: def __init__(self, text): self.text = text self.words = RE_WORD.findall(text) ➊ def __getitem__(self, index): return self.words[index] ➋ def __len__(self): ➌ return len(self.words) def __repr__(self): return 'Sentence(%s)' % reprlib.repr(self.text) ➍
❶re.findall 函数返回一个字符串列表，里面的元素是正则表达式的
全部非重叠匹配。
❷ self.words 中保存的是 .findall 函数返回的结果，因此直接返回
指定索引位上的单词。
❸ 为了完善序列协议，我们实现了 __len__ 方法；不过，为了让对象
可以迭代，没必要实现这个方法。
❹ reprlib.repr 这个实用函数用于生成大型数据结构的简略字符串表
示形式。
示例 14-2 测试 Sentence 实例能否迭代
>>> s = Sentence('"The time has come," the Walrus said,') # ➊ >>> s Sentence('"The time ha... Walrus said,') # ➋ >>> for word in s: # ➌ ... print(word) The time has come the Walrus said >>> list(s) # ➍ ['The', 'time', 'has', 'come', 'the', 'Walrus', 'said']
❶ 传入一个字符串，创建一个 Sentence 实例。
❷ 注意，__repr__ 方法的输出中包含 reprlib.repr 方法生成的
...。
❸ Sentence 实例可以迭代，稍后说明原因。
❹ 因为可以迭代，所以 Sentence 对象可以用于构建列表和其他可迭代
的类型。
序列可以迭代的原因：iter函数
解释器需要迭代对象 x 时，会自动调用 iter(x)。内置的 iter 函数有以下作用。
- (1) 检查对象是否实现了 __iter__ 方法，如果实现了就调用它，获取一个迭代器。
- (2) 如果没有实现 __iter__ 方法，但是实现了 __getitem__ 方法，Python 会创建一个迭代器，尝试按顺序（从索引 0 开始）获取元素。
- (3) 如果尝试失败，Python 抛出 TypeError 异常，通常会提示“C objectis not iterable”（C 对象不可迭代），其中 C 是目标对象所属的类。任何 Python 序列都可迭代的原因是，它们都实现了 __getitem__ 方法。其实，标准的序列也都实现了 __iter__ 方法，因此你也应该这么做。之所以对 __getitem__ 方法做特殊处理，是为了向后兼容，而未来可能不会再这么做
可迭代的对象与迭代器的对比
可迭代的对象
使用 iter 内置函数可以获取迭代器的对象。如果对象实现了能返回迭代器的 __iter__ 方法，那么对象就是可迭代的。序列都可以迭代；实现了 __getitem__ 方法，而且其参数是从零开始的索引，这种
对象也可以迭代。
我们要明确可迭代的对象和迭代器之间的关系：Python 从可迭代的对象中获取迭代器。
下面是一个简单的 for 循环，迭代一个字符串。这里，字符串 'ABC'是可迭代的对象。背后是有迭代器的，只不过我们看不到：
>>> s = 'ABC' >>> for char in s: ... print(char) ... A B C ###如果没有 for 语句，不得不使用 while 循环模拟，要像下面这样写： >>> s = 'ABC' >>> it = iter(s) # ➊ >>> while True: ... try: ... print(next(it)) # ➋ ... except StopIteration: # ➌ ... del it # ➍ ... break # ➎ ... A B C
❶ 使用可迭代的对象构建迭代器 it。
❷ 不断在迭代器上调用 next 函数，获取下一个字符。
❸ 如果没有字符了，迭代器会抛出 StopIteration 异常。
❹ 释放对 it 的引用，即废弃迭代器对象。
❺ 退出循环。
StopIteration 异常表明迭代器到头了。Python 语言内部会处理 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。
标准的迭代器接口有两个方法。
__next__
返回下一个可用的元素，如果没有元素了，抛出 StopIteration异常。
__iter__
返回 self，以便在应该使用可迭代对象的地方使用迭代器，例如在 for 循环中。
迭代器
迭代器是这样的对象：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。
典型的迭代器
使用迭代器模式实现 Sentence 类
import re import reprlib RE_WORD = re.compile('w+') class Sentence: def __init__(self, text): self.text = text self.words = RE_WORD.findall(text) def __repr__(self): return 'Sentence(%s)' % reprlib.repr(self.text) def __iter__(self): #与前一版相比，这里只多了一个 __iter__ 方法。这一版没有 #__getitem__ 方法，为的是明确表明这个类可以迭代，因为实现了 #__iter__ 方法。 return SentenceIterator(self.words) #根据可迭代协议，__iter__ 方法实例化并返回一个迭代器。 class SentenceIterator: def __init__(self, words): self.words = words #SentenceIterator 实例引用单词列表。 self.index = 0#self.index 用于确定下一个要获取的单词。 def __next__(self): try: word = self.words[self.index] #获取 self.index 索引位上的单词。 except IndexError: raise StopIteration() #如果 self.index 索引位上没有单词，那么抛出 StopIteration 异 常。 self.index += 1 return word def __iter__(self): #实现 self.__iter__ 方法。 return self
生成器函数
import re import reprlib RE_WORD = re.compile('w+') class Sentence: def __init__(self, text): self.text = text self.words = RE_WORD.findall(text) def __repr__(self): return 'Sentence(%s)' % reprlib.repr(self.text) def __iter__(self): for word in self.words: yield word return
生成器函数的工作原理
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。调用生成器函数时，会返回一个生成器对象。也就是说，生成器函数是生成器工厂。
惰性实现
目前实现的几版 Sentence 类都不具有惰性，因为 __init__ 方法急迫地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，这取决于文本中有多少非单词字符）。如果只需迭代前几个单词，大多数工作都是白费力气。
只要使用的是 Python 3，思索着做某件事有没有懒惰的方式，答案通常都是肯定的。
re.finditer 函数是 re.findall 函数的惰性版本，返回的不是列表，而是一个生成器，按需生成 re.MatchObject 实例。如果有很多匹配，re.finditer 函数能节省大量内存。我们要使用这个函数让第 4版 Sentence 类变得懒惰，即只在需要时才生成下一个单词。代码如示
例 14-7 所示。示例 14-7 sentence_gen2.py： 在生成器函数中调用 re.finditer生成器函数，实现 Sentence 类
import re import reprlib RE_WORD = re.compile('w+') class Sentence: def __init__(self, text): self.text = text def __repr__(self): return 'Sentence(%s)' % reprlib.repr(self.text) def __iter__(self): for match in RE_WORD.finditer(self.text): yield match.group()
❶ 不再需要 words 列表。
❷ finditer 函数构建一个迭代器，包含 self.text 中匹配 RE_WORD
的单词，产出 MatchObject 实例。
❸ match.group() 方法从 MatchObject 实例中提取匹配正则表达式的
具体文本。
生成器函数已经极大地简化了代码，但是使用生成器表达式甚至能把代
码变得更简短。
生成器表达式
生成器表达式可以理解为列表推导的惰性版本：不会迫切地构建列表，而是返回一个生成器，按需惰性生成元素。也就是说，如果列表推导是制造列表的工厂，那么生成器表达式就是制造生成器的工厂。
>>> def gen_AB(): # ➊ ... print('start') ... yield 'A' ... print('continue') ... yield 'B' ... print('end.') ... >>> res1 = [x*3 for x in gen_AB()] # ➋ start continue end. >>> for i in res1: # ➌ ... print('-->', i) ... --> AAA --> BBB >>> res2 = (x*3 for x in gen_AB()) # ➍ >>> res2 # ➎ <generator object <genexpr> at 0x10063c240> >>> for i in res2: # ➏ ... print('-->', i) ... start --> AAA continue --> BBB end.
❶ gen_AB 函数与示例 14-6 中的一样。
❷ 列表推导迫切地迭代 gen_AB() 函数生成的生成器对象产出的元
素：'A' 和 'B'。注意，下面的输出是 start、continue 和 end.。
❸ 这个 for 循环迭代列表推导生成的 res1 列表。
❹ 把生成器表达式返回的值赋值给 res2。只需调用 gen_AB() 函数，
虽然调用时会返回一个生成器，但是这里并不使用。
❺ res2 是一个生成器对象。
❻ 只有 for 循环迭代 res2 时，gen_AB 函数的定义体才会真正执
行。for 循环每次迭代时会隐式调用 next(res2)，前进到 gen_AB 函
数中的下一个 yield 语句。注意，gen_AB 函数的输出与 for 循环中
print 函数的输出夹杂在一起。
使用生成器表达式实现 Sentence类
import re import reprlib RE_WORD = re.compile('w+') class Sentence: def __init__(self, text): self.text = text def __repr__(self): return 'Sentence(%s)' % reprlib.repr(self.text) def __iter__(self): return (match.group() for match in RE_WORD.finditer(self.text))
这里不是生成器函数了（没有 yield），而是使用生成器表达式构建生成器，然后将其返回。不过，最终的效果一样：调用 __iter__ 方法会得到一个生成器对象。
生成器表达式是语法糖：完全可以替换成生成器函数，不过有时使用生成器表达式更便利。
标准库中的生成器函数
用于过滤的生成器函数
| 模块 | 函数 | 说明 |
| itertools |
compress(it, |
并行处理两个可迭代的对象；如果 selector_it |
| itertools |
dropwhile(predicate, |
处理 it ，跳过 predicate 的计算结果为真值的元 |
| 内置 | filter(predicate, it) |
把 it 中的各个元素传给 predicate ，如果 |
| itertools |
filterfalse(predicate, |
与 filter 函数的作用类似，不过 predicate 的 |
| itertools |
islice(it, stop) 或 |
产出 it 的切片，作用类似于 s[:stop] 或 |
| itertools |
takewhile(predicate, |
predicate 返回真值时产出对应的元素，然后立 |
>>> def vowel(c): ... return c.lower() in 'aeiou' ... >>> list(filter(vowel, 'Aardvark')) ['A', 'a', 'a'] >>> import itertools >>> list(itertools.filterfalse(vowel, 'Aardvark')) ['r', 'd', 'v', 'r', 'k'] >>> list(itertools.dropwhile(vowel, 'Aardvark')) ['r', 'd', 'v', 'a', 'r', 'k'] >>> list(itertools.takewhile(vowel, 'Aardvark')) ['A', 'a'] >>> list(itertools.compress('Aardvark', (1,0,1,1,0,1))) ['A', 'r', 'd', 'a'] >>> list(itertools.islice('Aardvark', 4)) ['A', 'a', 'r', 'd'] >>> list(itertools.islice('Aardvark', 4, 7)) ['v', 'a', 'r'] >>> list(itertools.islice('Aardvark', 1, 7, 2)) ['a', 'd', 'a']
用于映射的生成器函数
在输入的单个可迭代对象（map 和starmap 函数处理多个可迭代的对象）中的各个元素上做计算，然后返回结果
| 模块 | 函数 | 说明 |
| itertools |
accumulate(it, |
产出累积的总和；如果提供了 func ，那么把前两个 |
| 内置 |
enumerate(iterable, |
产出由两个元素组成的元组，结构是 (index, |
| 内置 |
map(func, it1, |
把 it 中的各个元素传给func，产出结果；如果传入 |
| itertools | starmap(func, it) |
把 it 中的各个元素传给 func ，产出结果；输入的 |
#演示 itertools.accumulate 生成器函数 >>> sample = [5, 4, 2, 8, 7, 6, 3, 0, 9, 1] >>> import itertools >>> list(itertools.accumulate(sample)) # ➊ [5, 9, 11, 19, 26, 32, 35, 35, 44, 45] 12 12 >>> list(itertools.accumulate(sample, min)) # ➋ [5, 4, 2, 2, 2, 2, 2, 0, 0, 0] >>> list(itertools.accumulate(sample, max)) # ➌ [5, 5, 5, 8, 8, 8, 8, 8, 9, 9] >>> import operator >>> list(itertools.accumulate(sample, operator.mul)) # ➍ [5, 20, 40, 320, 2240, 13440, 40320, 0, 0, 0] >>> list(itertools.accumulate(range(1, 11), operator.mul)) [1, 2, 6, 24, 120, 720, 5040, 40320, 362880, 3628800] # ➎
❶ 计算总和。
❷ 计算最小值。
❸ 计算最大值。
❹ 计算乘积。
❺ 从 1! 到 10!，计算各个数的阶乘。
演示用于映射的生成器函数
>>> list(enumerate('albatroz', 1)) # ➊ [(1, 'a'), (2, 'l'), (3, 'b'), (4, 'a'), (5, 't'), (6, 'r'), (7, 'o'), (8, 'z')] >>> import operator >>> list(map(operator.mul, range(11), range(11))) # ➋ [0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100] >>> list(map(operator.mul, range(11), [2, 4, 8])) # ➌ [0, 4, 16] >>> list(map(lambda a, b: (a, b), range(11), [2, 4, 8])) # ➍ [(0, 2), (1, 4), (2, 8)] >>> import itertools >>> list(itertools.starmap(operator.mul, enumerate('albatroz', 1))) # ➎ ['a', 'll', 'bbb', 'aaaa', 'ttttt', 'rrrrrr', 'ooooooo', 'zzzzzzzz'] >>> sample = [5, 4, 2, 8, 7, 6, 3, 0, 9, 1] >>> list(itertools.starmap(lambda a, b: b/a, ... enumerate(itertools.accumulate(sample), 1))) # ➏ [5.0, 4.5, 3.6666666666666665, 4.75, 5.2, 5.333333333333333, 5.0, 4.375, 4.888888888888889, 4.5]
❶ 从 1 开始，为单词中的字母编号。
❷ 从 0 到 10，计算各个整数的平方。
❸ 计算两个可迭代对象中对应位置上的两个元素之积，元素最少的那个可迭代对象到头后就停止。
❹ 作用等同于内置的 zip 函数。
❺ 从 1 开始，根据字母所在的位置，把字母重复相应的次数。
❻ 计算平均值。
合并多个可迭代对象的生成器函数
| 模块 | 函数 | 说明 |
| itertools | chain(it1, ..., itN) |
先产出 it1 中的所有元素，然后产出 it2 中的 |
| itertools | chain.from_iterable(it) |
产出 it 生成的各个可迭代对象中的元素，一个 |
| itertools |
product(it1, ..., itN, |
计算笛卡儿积：从输入的各个可迭代对象中获 |
| 内置 | zip(it1, ..., itN) |
并行从输入的各个可迭代对象中获取元素，产 |
| itertools |
zip_longest(it1, ..., |
并行从输入的各个可迭代对象中获取元素，产 |
演示用于合并的生成器函数
>>> list(itertools.chain('ABC', range(2))) # ➊ ['A', 'B', 'C', 0, 1] >>> list(itertools.chain(enumerate('ABC'))) # ➋ [(0, 'A'), (1, 'B'), (2, 'C')] >>> list(itertools.chain.from_iterable(enumerate('ABC'))) # ➌ [0, 'A', 1, 'B', 2, 'C'] >>> list(zip('ABC', range(5))) # ➍ [('A', 0), ('B', 1), ('C', 2)] >>> list(zip('ABC', range(5), [10, 20, 30, 40])) # ➎ [('A', 0, 10), ('B', 1, 20), ('C', 2, 30)] >>> list(itertools.zip_longest('ABC', range(5))) # ➏ [('A', 0), ('B', 1), ('C', 2), (None, 3), (None, 4)] >>> list(itertools.zip_longest('ABC', range(5), fillvalue='?')) # ➐ [('A', 0), ('B', 1), ('C', 2), ('?', 3), ('?', 4)]
❶ 调用 chain 函数时通常传入两个或更多个可迭代对象。
❷ 如果只传入一个可迭代的对象，那么 chain 函数没什么用。
❸ 但是 chain.from_iterable 函数从可迭代的对象中获取每个元素，
然后按顺序把元素连接起来，前提是各个元素本身也是可迭代的对象。
❹ zip 常用于把两个可迭代的对象合并成一系列由两个元素组成的元
组。
❺ zip 可以并行处理任意数量个可迭代的对象，不过只要有一个可迭代
的对象到头了，生成器就停止。
❻ itertools.zip_longest 函数的作用与 zip 类似，不过输入的所有
可迭代对象都会处理到头，如果需要会填充 None。
❼ fillvalue 关键字参数用于指定填充的值。
itertools.product 生成器是计算笛卡儿积的惰性方式；以惰性方式计算笛卡儿积。
示例itertools.product 函数的用法。
>>> list(itertools.product('ABC', range(2))) # ➊ [('A', 0), ('A', 1), ('B', 0), ('B', 1), ('C', 0), ('C', 1)] >>> suits = 'spades hearts diamonds clubs'.split() >>> list(itertools.product('AK', suits)) # ➋ [('A', 'spades'), ('A', 'hearts'), ('A', 'diamonds'), ('A', 'clubs'), ('K', 'spades'), ('K', 'hearts'), ('K', 'diamonds'), ('K', 'clubs')] >>> list(itertools.product('ABC')) # ➌ [('A',), ('B',), ('C',)] >>> list(itertools.product('ABC', repeat=2)) # ➍ [('A', 'A'), ('A', 'B'), ('A', 'C'), ('B', 'A'), ('B', 'B'), ('B', 'C'), ('C', 'A'), ('C', 'B'), ('C', 'C')] >>> list(itertools.product(range(2), repeat=3)) [(0, 0, 0), (0, 0, 1), (0, 1, 0), (0, 1, 1), (1, 0, 0), (1, 0, 1), (1, 1, 0), (1, 1, 1)] >>> rows = itertools.product('AB', range(2), repeat=2) >>> for row in rows: print(row) ... ('A', 0, 'A', 0) ('A', 0, 'A', 1) ('A', 0, 'B', 0) ('A', 0, 'B', 1) ('A', 1, 'A', 0) ('A', 1, 'A', 1) ('A', 1, 'B', 0) ('A', 1, 'B', 1) ('B', 0, 'A', 0) ('B', 0, 'A', 1) ('B', 0, 'B', 0) ('B', 0, 'B', 1) ('B', 1, 'A', 0) ('B', 1, 'A', 1) ('B', 1, 'B', 0) ('B', 1, 'B', 1)
❶ 三个字符的字符串与两个整数的值域得到的笛卡儿积是六个元组
（因为 3 * 2 等于 6）。
❷ 两张牌（'AK'）与四种花色得到的笛卡儿积是八个元组。
❸ 如果传入一个可迭代的对象，product 函数产出的是一系列只有一
个元素的元组，不是特别有用。
❹ repeat=N 关键字参数告诉 product 函数重复 N 次处理输入的各个
可迭代对象。
把输入的各个元素扩展成多个输出元素的生成器函数
| 模块 | 函数 | 说明 |
| itertools | combinations(it, out_len) |
把 it 产出的 out_len 个元素组合在 |
| itertools |
combinations_with_replacement(it, |
把 it 产出的 out_len 个元素组合在 |
| itertools | count(start=0, step=1) |
从 start 开始不断产出数字，按 |
| itertools | cycle(it) |
从 it 中产出各个元素，存储各个元 |
| itertools | permutations(it, out_len=None) |
把 out_len 个 it 产出的元素排列在 |
| itertools | repeat(item, [times]) |
重复不断地产出指定的元素，除非 |
itertools 模块中的 count 和 repeat 函数返回的生成器“无中生有”：这两个函数都不接受可迭代的对象作为输入。
cycle 生成器会备份输入的可迭代对象，然后重复产出对象中的元素。
count、repeat 和 cycle的用法。
>>> ct = itertools.count() # ➊ >>> next(ct) # ➋ 0 >>> next(ct), next(ct), next(ct) # ➌ (1, 2, 3) >>> list(itertools.islice(itertools.count(1, .3), 3)) # ➍ [1, 1.3, 1.6] >>> cy = itertools.cycle('ABC') # ➎ >>> next(cy) 'A' >>> list(itertools.islice(cy, 7)) # ➏ ['B', 'C', 'A', 'B', 'C', 'A', 'B'] >>> rp = itertools.repeat(7) # ➐ >>> next(rp), next(rp) (7, 7) >>> list(itertools.repeat(8, 4)) # ➑ [8, 8, 8, 8] >>> list(map(operator.mul, range(11), itertools.repeat(5))) # ➒ [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50]
❶ 使用 count 函数构建 ct 生成器。
❷ 获取 ct 中的第一个元素。
❸ 不能使用 ct 构建列表，因为 ct 是无穷的，所以我获取接下来的 3
个元素。
❹ 如果使用 islice 或 takewhile 函数做了限制，可以从 count 生成
器中构建列表。
❺ 使用 'ABC' 构建一个 cycle 生成器，然后获取第一个元素
——'A'。
❻ 只有受到 islice 函数的限制，才能构建列表；这里获取接下来的 7
个元素。
❼ 构建一个 repeat 生成器，始终产出数字 7。
❽ 传入 times 参数可以限制 repeat 生成器生成的元素数量：这里会
生成 4 次数字 8。
❾ repeat 函数的常见用途：为 map 函数提供固定参数，这里提供的是
乘数 5。
组合学生成器函数会从输入的各个元素中产出多个值
>>> list(itertools.combinations('ABC', 2)) # ➊ [('A', 'B'), ('A', 'C'), ('B', 'C')] >>> list(itertools.combinations_with_replacement('ABC', 2)) # ➋ [('A', 'A'), ('A', 'B'), ('A', 'C'), ('B', 'B'), ('B', 'C'), ('C', 'C')] >>> list(itertools.permutations('ABC', 2)) # ➌ [('A', 'B'), ('A', 'C'), ('B', 'A'), ('B', 'C'), ('C', 'A'), ('C', 'B')] >>> list(itertools.product('ABC', repeat=2)) # ➍ [('A', 'A'), ('A', 'B'), ('A', 'C'), ('B', 'A'), ('B', 'B'), ('B', 'C'), ('C', 'A'), ('C', 'B'), ('C', 'C')]
❶ 'ABC' 中每两个元素（len()==2）的各种组合；在生成的元组中，
元素的顺序无关紧要（可以视作集合）。
❷ 'ABC' 中每两个元素（len()==2）的各种组合，包括相同元素的组
合。
❸ 'ABC' 中每两个元素（len()==2）的各种排列；在生成的元组中，
元素的顺序有重要意义。
❹ 'ABC' 和 'ABC'（repeat=2 的效果）的笛卡儿积。
用于重新排列元素的生成器函数
| 模块 | 函数 | 说明 |
| itertools | groupby(it,key=None) |
产出由两个元素组成的元素，形式为 (key, |
| 内置 | reversed(seq) |
从后向前，倒序产出 seq 中的元素； seq 必须是序 |
| itertools | tee(it, n=2) |
产出一个由 n 个生成器组成的元组，每个生成器 |
itertools.groupby 函数的用法
>>> list(itertools.groupby('LLLLAAGGG')) # ➊ [('L', <itertools._grouper object at 0x102227cc0>), ('A', <itertools._grouper object at 0x102227b38>), ('G', <itertools._grouper object at 0x102227b70>)] >>> for char, group in itertools.groupby('LLLLAAAGG'): # ➋ ... print(char, '->', list(group)) ... L -> ['L', 'L', 'L', 'L'] A -> ['A', 'A',] G -> ['G', 'G', 'G'] >>> animals = ['duck', 'eagle', 'rat', 'giraffe', 'bear', ... 'bat', 'dolphin', 'shark', 'lion'] >>> animals.sort(key=len) # ➌ >>> animals ['rat', 'bat', 'duck', 'bear', 'lion', 'eagle', 'shark', 'giraffe', 'dolphin'] >>> for length, group in itertools.groupby(animals, len): # ➍ ... print(length, '->', list(group)) ... 3 -> ['rat', 'bat'] 4 -> ['duck', 'bear', 'lion'] 5 -> ['eagle', 'shark'] 7 -> ['giraffe', 'dolphin'] >>> for length, group in itertools.groupby(reversed(animals), len): # ➎ ... print(length, '->', list(group)) ... 7 -> ['dolphin', 'giraffe'] 5 -> ['shark', 'eagle'] 4 -> ['lion', 'bear', 'duck'] 3 -> ['bat', 'rat'] >>>
❶ groupby 函数产出 (key, group_generator) 这种形式的元组。
❷ 处理 groupby 函数返回的生成器要嵌套迭代：这里在外层使用 for
循环，内层使用列表推导。
❸ 为了使用 groupby 函数，要排序输入；这里按照单词的长度排序。
❹ 再次遍历 key 和 group 值对，把 key 显示出来，并把 group 扩展成
列表。
❺ 这里使用 reverse 生成器从右向左迭代 animals。
最后一个生成器函数是 iterator.tee，这个函数只有一个
作用：从输入的一个可迭代对象中产出多个生成器，每个生成器都可以产出输入的各个元素。产出的生成器可以单独使用
>>> list(itertools.tee('ABC')) [<itertools._tee object at 0x10222abc8>, <itertools._tee object at 0x10222ac08>] >>> g1, g2 = itertools.tee('ABC') >>> next(g1) 'A' >>> next(g2) 'A' >>> next(g2) 'B' >>> list(g1) ['B', 'C'] >>> list(g2) ['C'] >>> list(zip(*itertools.tee('ABC'))) [('A', 'A'), ('B', 'B'), ('C', 'C')]
Python 3.3中新出现的句法：yield from
如果生成器函数需要产出另一个生成器生成的值，传统的解决方法是使用嵌套的 for 循环。
>>> def chain(*iterables): ... for it in iterables: ... for i in it: ... yield i ... >>> s = 'ABC' >>> t = tuple(range(3)) >>> list(chain(s, t)) ['A', 'B', 'C', 0, 1, 2]
>>> def chain(*iterables): ... for i in iterables: ... yield from i ... >>> list(chain(s, t)) ['A', 'B', 'C', 0, 1, 2]
可以看出，yield from i 完全代替了内层的 for 循环。在这个示例中使用 yield from 是对的，而且代码读起来更顺畅，不过感觉更像是语法糖。
除了代替循环之外，yield from 还会创建通道，把内层生成器直接与外层生成器的客户端联系起来。把生成器当成协程使用时，这个通道特别重要，不仅能为客户端代码生成值，还能使用客户端代码提供的值。