容器

容器是保存元素的数据结构，支持成员资格测试。是存在于内存中的数据结构，通常也在内存中保存它们的所有值。在Python中，一些典型的容器例子是

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

从技术上讲，当可以询问对象是否包含某个元素时，它就是一个容器。可以对列表、集或元组等执行此类成员资格测试：

>>> 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)

# 字典数据需要检查key
>>> d = {1: 'foo', 2: 'bar', 3: 'qux'}
>>> assert 1 in d
>>> assert 4 not in d
>>> assert 'foo' not in d  # 'foo' is not a _key_ in the dict

# 字符串 也可以检查子串是否存在
>>> s = 'foobar'
>>> assert 'b' in s
>>> assert 'x' not in s
>>> assert 'foo' in s  # a string "contains" all its substrings

**大多数的容器都是可迭代对象，可以使用某种方式访问容器中的每一个元素。但并不是所有容器都是可迭代的，比如 Bloom filter **

text = 'bairuichangyangna'  # 容器

text_iter = iter(text)    # 迭代器

print(next(text_iter))

迭代器

迭代器协议：对象需要提供next方法，要么返回迭代中的下一项，要么引起一个StopIteration异常，以终止迭代
可迭代对象：实现了迭代器协议的对象

💡

协议是一种约定，可迭代对象实现迭代器协议，Python的内置工具（如for 循环， sun， min，max函数等）均使用迭代器协议访问对象

迭代器：实现了__iter__和__next__方法的对象都称为迭代器，迭代器是一个有状态的对象，在调用next() 的时候返回下一个值，如果容器中没有更多元素了，则抛出StopIteration异常。

可迭代对象

容器与可迭代对象区别*：*

可迭代对象是可以返回迭代器（目的是返回其所有元素）的任何对象，不一定是数据结构。

可迭代和迭代器的区别

迭代器

迭代器是一个有状态的辅助对象，当在其上调用next()时，它将产生下一个值。因此，具有__next __()方法的任何对象都是迭代器。它如何产生值是无关紧要的。

所以迭代器就是值工厂。每次向它询问“下一个”值时，它都知道如何计算它，因为它持有内部状态。

迭代器的例子不胜枚举。所有itertools函数都返回迭代器。

自定义迭代器* 生成 $Fibonacci$ 数列*

生成器

生成器是一种特殊的迭代器，任何生成器均是迭代器（反过来不是），但是生成器不需要像迭代器一样实现__iter__和__next__方法，只需要使用关键字yield或者生成器表达式就可以。

生成器允许编写类似于上面斐波那契序列迭代器示例的迭代器，但语法简洁，避免编写带有iter()和next()方法的类。

Python使用生成器对延迟操作提供了支持，延迟操作是指在需要的时候才产生结果，而不是立即产生结果。

Python有两种生成器提供方法：

生成器函数：

用生成器函数产生斐波那契数列：

fib 就是一个生成器函数，调用该函数时返回对象就是生成器 ga，这个生成器对象的行为和迭代器是非常相似的，可以用在 for 循环等场景中

Python容器、迭代器、生成器

容器

迭代器

可迭代对象

迭代器

生成器

生成器函数：