可迭代對象

我們已經知道，可以直接作用于for循環的數據類型有以下幾種：
一類是集合數據類型，如list、tuple、dict、set、str等；
一類是generator，包括生成器和帶yield的generator function。
這些可以直接作用于for循環的對象統稱為可迭代對象：Iterable。
可以使用isinstance()判斷一個對象是否是Iterable對象。

>>> isinstance([], Iterable)
True
>>> isinstance(range(1),Iterable)
True

range() 函數可創建一個整數列表，一般用在 for 循環中。

迭代器

什么是迭代器

可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator。
可以使用isinstance()判斷一個對象是否是Iterator對象：
生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。
把list、dict、str等Iterable變成Iterator可以使用iter()函數。

對于list、string、tuple、dict等這些容器對象,使用for循環遍歷是很方便的。在后臺for語句對容器對象調用iter()函數。iter()是python內置函數。 iter()函數會返回一個定義了next()方法的迭代器對象，它在容器中逐個訪問容器內的元素。next()也是python內置函數。在沒有后續元素時，next()會拋出一個StopIteration異常，通知for語句循環結束。

迭代器是用來幫助我們記錄每次迭代訪問到的位置，當我們對迭代器使用next()函數的時候，迭代器會向我們返回它所記錄位置的下一個位置的數據。實際上，在使用next()函數的時候，調用的就是迭代器對象的_next_方法（Python3中是對象的_next_方法，Python2中是對象的next()方法）。所以，我們要想構造一個迭代器，就要實現它的_next_方法。但這還不夠，python要求迭代器本身也是可迭代的，所以我們還要為迭代器實現_iter_方法，而_iter_方法要返回一個迭代器，迭代器自身正是一個迭代器，所以迭代器的_iter_方法返回自身self即可。

而生成器不但可以作用于for循環，還可以被next()函數不斷調用并返回下一個值，直到最后拋出StopIteration錯誤表示無法繼續返回下一個值了。

什么是生成器

生成器的作用

首先，生成器的好處是延遲計算，一次返回一個結果。也就是說，它不會一次生成所有的結果，這對于大數據量處理，將會非常有用。

除了延遲計算（減少內存使用），生成器還能有效調高代碼可讀性。

生成器的注意事項

生成器的唯一注意事項是：生成器只能遍歷一次。

總結：

凡是可作用于for循環的對象都是Iterable類型；

凡是可作用于next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；

集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

Python的for循環本質上就是通過不斷調用next()函數實現的。

高階函數

什么是高階函數？

高階函數：一個函數可以作為參數傳給另外一個函數，或者一個函數的返回值為另外一個函數（若返回值為該函數本身，則為遞歸），滿足其一則為高階函數。

實例1（參數為函數）：

def bar():print('in the bar')
def foo(func):func()print('in the foo...')
foo(bar)
"""
in the bar
in the foo...
"""

實例2（返回值為函數）

def bar():print("in the bar...")
def foo(func):print("in the foo")return func
res = foo(bar)
res()"""
in the foo
in the bar...
"""

map()函數

map()函數接收兩個參數，一個是函數，一個是Iterable。

例子1：

def f(x):return x * x
r = map(f, [1, 2, 3, 4, 5, 6, 7, 8, 9])
print(list(r))
# [1, 4, 9, 16, 25, 36, 49, 64, 81]

例子2：

print(list(map(str, [1, 2, 3, 4, 5, 6, 7, 8, 9])))
# ['1', '2', '3', '4', '5', '6', '7', '8', '9']

例子3：加入生成器表達式

def f(x):return x * x
r = map(f, (x for x in range(1, 10)))
print(list(r))
# [1, 4, 9, 16, 25, 36, 49, 64, 81]

filter()函數

filter函數也是接收一個函數和一個序列的高階函數，其主要功能是過濾。其返回值是迭代器對象。

names = ["Alex", "amanda", "xiaowu"]
#filter函數機制
def filter_test(func, iter):names_1 = []for i in iter:if func(i): #傳入的func函數其結果必須為bool值，才有意義names_1.append(i)return names_1
#filter_test函數
print(filter_test(lambda x: x.islower(), names))
#filter函數
print(list(filter(lambda x: x.islower(), names)))

reduce()函數

reduce：把一個函數作用在一個序列[x1, x2, x3, …]上，這個函數必須接收兩個參數，reduce把結果繼續和序列的下一個元素做累積計算，其效果就是：

reduce(f, [x1, x2, x3, x4]) = f(f(f(x1, x2), x3), x4)

例子1：

from functools import reduce
def add(x, y):return x + y
print(reduce(add, [1, 3, 5, 7, 9]))
#25

例子2(計算階乘):

from functools import reduce
def fact(n):return reduce(lambda a, b: a*b, range(1, n+1))
print(5)
#120

附例子2：
這里使用到了一個包operator

from functools import reduce
from operator import mul
def fac1(n):return reduce(mul, range(1, n+1))

點進去，我們發現這個包里有很多的方法；

例子3（字符串轉化為數字）：

from functools import reduce
DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
def str2int(s):def fn(x, y):return x * 10 + ydef char2num(s):return DIGITS[s]return reduce(fn, map(char2num, s))
print(str2int('123'))
# 123

例子4（使用lambda函數修改一下例子3）：

from functools import reduce
DIGITS = {'0': 0, '1': 1, '2': 2, '3': 3, '4': 4, '5': 5, '6': 6, '7': 7, '8': 8, '9': 9}
def char2num(s):return DIGITS[s]
def str2int(s):return reduce(lambda x, y: x * 10 + y, map(char2num, s))
print(str2int('123'))

例子5（把字符串’123.456’轉換成浮點數123.456）：

from functools import reduce
def str2float(s):def fn(x,y):return x*10+yn=s.index('.')s1=list(map(int,[x for x in s[:n]]))s2=list(map(int,[x for x in s[n+1:]]))return reduce(fn,s1)+reduce(fn,s2)/10**len(s2)

參考

（1）https://www.zhihu.com/question/20829330（如何更好地理解Python迭代器和生成器？）