Python进阶：如何自定义可迭代的类
本文深入解析Python中自定义可迭代类的实现原理。通过对比列表与迭代器的内存消耗差异，阐明迭代器按需加载的优势。详细讲解__iter__和__next__特殊方法的定义与调用机制，并结合直角三角形与斐波那契数列两个代码实例，展示如何构建无限迭代器及控制迭代边界，帮助开发者优化大数据处理性能。
Python自定义可迭代的类
自定义可迭代的类
迭代器与列表的内存机制对比
列表支持获取长度并通过索引变量i进行循环，也能直接获取集合所有元素，这种写法直观且易于理解。然而，使用列表并非没有代价。列表之所以能通过索引快速定位任意元素，是因为它在创建时将所有数据一次性加载到一块连续的内存空间中。当数据规模较小时，这种实现方式尚可接受；但当数据量极大时，会消耗巨大的内存资源。相比之下，迭代机制则更为高效：它遵循“读多少、加载多少”的原则，不读取的数据不会占用内存。这类似于处理XML文档的两种模式：DOM模式会将整个XML文档一次性载入内存，从而实现快速随机访问，但内存开销大；而SAX模式则是顺序读取文档，未读取的内容不会进入内存，因此更节省内存，但仅支持从前向后的顺序访问。
__iter__与__next__方法的实现
若要在类中实现迭代功能，需定义__iter__方法，使该类的实例成为迭代器。__iter__方法必须返回一个迭代器对象，通常直接返回对象自身（即self）。在每次迭代过程中，解释器会调用迭代器的另一个特殊方法__next__，该方法负责返回当前迭代的值。以下通过一个简单示例演示：自定义一个迭代器，用于逐行生成由星号*组成的直角三角形，并通过for循环输出指定行数的三角形。
示例：自定义直角三角形迭代器
# 可无限迭代直角三角形的行
class righttriangle:
def __init__(self):
# 定义一个变量n，表示当前的行数
self.n = 1
def __next__(self):
# 通过字符串的乘法获取直接三角形每一行的字符串，每一行字符串的长度是2 * n -1
result = '*' * (2 * self.n - 1)
# 行数加1
self.n += 1
return result
# 该方法必须返回一个迭代器
def __iter__(self):
return self
rt = righttriangle()
# 对迭代器进行迭代
for e in rt:
# 限制输出行的长度不能大于20，否则将会无限输出行
if len(e) > 20:
break
print(e)输出结果：
*
***
*****
*******
*********
***********
*************
***************
*****************
*******************[例10.10] 接下来看一个更具实用性的例子，定义一个名为Fibonacci的迭代器类，用于无限制地迭代生成斐波那契数列。
示例：斐波那契数列无限迭代
# 可以无限制迭代斐波那契数列
class Fibonacci:
# 在构造方法中定义两个变量a和b，用来表示斐波那契数列的最开始的两个值
def __init__(self):
self.a = 0
self.b = 1
def __next__(self):
# self.a就是当前要迭代的值
result = self.a
# 计算斐波那契数列的下一个值，并将a变成原来的b，将b变成下一个值
self.a, self.b = self.b, self.a + self.b
# 返回当前迭代的值
return result
# 该方法必须返回一个迭代器
def __iter__(self):
return self
fibs = Fibonacci()
# 对斐波那契数列进行迭代
for fib in fibs:
print(fib,end = ' ')
# 迭代的值不能超过500
if fib > 500:
break输出结果：
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
