迭代是Python最强大的功能之一。初看起来，你可能会简单的认为迭代只不过是处理序列中元素的一种方法。 然而，绝非仅仅就是如此，还有很多你可能不知道的， 比如创建你自己的迭代器对象，在itertools模块中使用有用的迭代模式，构造生成器函数等等。
一、for循环的内部原理？
for循环迭代遍历对象首先是给对象添加了一个__iter__方法，使之每次可以调用next去访问下一个元素，直至遍历完遇到了StopIteration异常：
>>> items = [1, 2, 3]>>> # Get the iterator>>> it = iter(items) # Invokes items.__iter__()>>> # Run the iterator>>> next(it) # Invokes it.__next__()1>>> next(it)2>>> next(it)3>>> next(it)Traceback (most recent call last): File "", line 1, in StopIteration>>>
二、你想反方向迭代一个序列
之前思路：调用reverse方法，再for循环遍历
遗漏点：当我们需要处理的对象有__reverse__方法才行，比如我们给定一个Countdown类，想让他实现reverse方法：
class Countdown(): def __init__(self,start): self.start = start def __iter__(self): n = self.start while n > 0: yield n n -= 1 def __reversed__(self): n = 0 while n <= self.start: yield n n += 1
当定义了__reversed__方法后，我们可以调用reverse方法了：
for i in Countdown(30): print(i)for i in reversed(Countdown(30)): print(i)
三、你想得到一个由迭代器生成的切片对象，但是标准切片操作并不能做到。
函数 itertools.islice() 正好适用于在迭代器和生成器上做切片操作。比如：
>>> def count(n):... while True:... yield n... n += 1...>>> c = count(0)>>> c[10:20]Traceback (most recent call last): File "", line 1, in TypeError: 'generator' object is not subscriptable>>> # Now using islice()>>> import itertools>>> for x in itertools.islice(c, 10, 20):... print(x)
这里要着重强调的一点是 islice() 会消耗掉传入的迭代器中的数据。 必须考虑到迭代器是不可逆的这个事实。 所以如果你需要之后再次访问这个迭代器的话，那你就得先将它里面的数据放入一个列表中。
四、跳过可迭代对象的开始部分
你想遍历一个可迭代对象，但是它开始的某些元素你并不感兴趣，想跳过它们。
首先介绍的是 itertools.dropwhile() 函数。使用时，你给它传递一个函数对象和一个可迭代对象。 它会返回一个迭代器对象，丢弃原有序列中直到函数返回Flase之前的所有元素，然后返回后面所有元素。
假定你在读取一个开始部分是几行注释的源文件。比如：
>>> with open('/etc/passwd') as f:... for line in f:... print(line, end='')...### User Database## Note that this file is consulted directly only when the system is running# in single-user mode. At other times, this information is provided by# Open Directory....##nobody:*:-2:-2:Unprivileged User:/var/empty:/usr/bin/falseroot:*:0:0:System Administrator:/var/root:/bin/sh...>>> 如果你想跳过开始部分的注释行的话，可以这样做：
>>> from itertools import dropwhile>>> with open('/etc/passwd') as f:... for line in dropwhile(lambda line: line.startswith('#'), f):... print(line, end='') 这个例子是基于根据某个测试函数跳过开始的元素。 如果你已经明确知道了要跳过的元素的个数的话，那么可以使用 itertools.islice() 来代替。比如：
>>> from itertools import islice>>> items = ['a', 'b', 'c', 1, 4, 10, 15]>>> for x in islice(items, 3, None):... print(x)...141015>>>
最后需要着重强调的一点是，以上方案适用于所有可迭代对象，包括那些事先不能确定大小的， 比如生成器，文件及其类似的对象。
五、你想迭代遍历一个集合中元素的所有可能的排列或组合
1. itertools模块提供了三个函数来解决这类问题。 其中一个是 itertools.permutations() ， 它接受一个集合并产生一个元组序列，每个元组由集合中所有元素的一个可能排列组成。 也就是说通过打乱集合中元素排列顺序生成一个元组，比如：
>>> items = ['a', 'b', 'c']>>> from itertools import permutations>>> for p in permutations(items):... print(p)...('a', 'b', 'c')('a', 'c', 'b')('b', 'a', 'c')('b', 'c', 'a')('c', 'a', 'b')('c', 'b', 'a')>>> 如果你想得到指定长度的所有排列，你可以传递一个可选的长度参数。就像这样：
>>> for p in permutations(items, 2):... print(p)...('a', 'b')('a', 'c')('b', 'a')('b', 'c')('c', 'a')('c', 'b')>>>
2.使用 itertools.combinations() 可得到输入集合中元素的所有的组合。比如：
>>> from itertools import combinations>>> for c in combinations(items, 3):... print(c)...('a', 'b', 'c')>>> for c in combinations(items, 2):... print(c)...('a', 'b')('a', 'c')('b', 'c')>>> for c in combinations(items, 1):... print(c)...('a',)('b',)('c',)>>> 3.而函数 itertools.combinations_with_replacement() 允许同一个元素被选择多次，比如：
>>> for c in combinations_with_replacement(items, 3):... print(c)...('a', 'a', 'a')('a', 'a', 'b')('a', 'a', 'c')('a', 'b', 'b')('a', 'b', 'c')('a', 'c', 'c')('b', 'b', 'b')('b', 'b', 'c')('b', 'c', 'c')('c', 'c', 'c')>>>
headers = ['name', 'shares', 'price']values = ['ACME', 100, 490.1]
使用zip()可以让你将它们打包并生成一个字典：
s = dict(zip(headers,values))
你想在多个对象执行相同的操作，但是这些对象在不同的容器中，你希望代码在不失可读性的情况下避免写重复的循环。
itertools.chain() 方法可以用来简化这个任务。 它接受一个可迭代对象列表作为输入，并返回一个迭代器，有效的屏蔽掉在多个容器中迭代细节。 为了演示清楚，考虑下面这个例子：
>>> from itertools import chain>>> a = [1, 2, 3, 4]>>> b = ['x', 'y', 'z']>>> for x in chain(a, b):... print(x)...1234xyz
itertools.chain() 接受一个或多个可迭代对象作为输入参数。 然后创建一个迭代器，依次连续的返回每个可迭代对象中的元素。 这种方式要比先将序列合并再迭代要高效的多。
七、你想将一个多层嵌套的序列展开成一个单层列表
可以写一个包含 yield from 语句的递归生成器来轻松解决这个问题。比如：
from collections import Iterabledef flatten(items, ignore_types=(str, bytes)): for x in items: if isinstance(x, Iterable) and not isinstance(x, ignore_types): yield from flatten(x) else: yield xitems = [1, 2, [3, 4, [5, 6], 7], 8]# Produces 1 2 3 4 5 6 7 8for x in flatten(items): print(x)
语句 yield from 在你想在生成器中调用其他生成器作为子例程的时候非常有用。 如果你不使用它的话，那么就必须写额外的 for 循环了。比如：
def flatten(items, ignore_types=(str, bytes)): for x in items: if isinstance(x, Iterable) and not isinstance(x, ignore_types): for i in flatten(x): yield i else: yield x
注意：yield from 与 yield区别
yield from 后面需要加的是可迭代对象，它可以是普通的可迭代对象，也可以是迭代器，甚至是生成器。
使用yield
# 字符串astr='ABC'# 列表alist=[1,2,3]# 字典adict={ "name":"wangbm","age":18}# 生成器agen=(i for i in range(4,8))def gen(*args, **kw): for item in args: for i in item: yield inew_list=gen(astr, alist, adict， agen)print(list(new_list))# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7] 使用yield from
# 字符串astr='ABC'# 列表alist=[1,2,3]# 字典adict={ "name":"wangbm","age":18}# 生成器agen=(i for i in range(4,8))def gen(*args, **kw): for item in args: yield from itemnew_list=gen(astr, alist, adict, agen)print(list(new_list))# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7] 可以看出，yield from后面加上可迭代对象，他可以把可迭代对象里的每个元素一个一个的yield出来，对比yield来说代码更加简洁，结构更加清晰。