python迭代器，生成器，闭包

可能当你一开始学python的时候，就不可避免的和迭代器接触了。

迭代器

一开始，我大概有个模糊的概念，比如在for循环中，其实隐藏了大量的迭代器细节，我们看到的不过是在迭代器协议下可遍历对象的不断迭代而已。正是因为迭代器协议的存在，在python语言中for也可以对文件系统等进行遍历，因为只要你具有“next”和“iter”属性，python都可以使用迭代器协议来访问对象。
但是如果你自己想写迭代器的话需要注意什么呢？

class fib():
    def __init__(self):
        self.forward = 0
        self.next = 1
    def __iter__(self):
        return self
    def __next__(self):
        value = self.forward
        self.forward += self.next
        self.next = value
        return value
f = fib()
for i in f:
    if i > 10:
        break
    else:
        print(i)

这是典型的斐波那契数列实现的迭代器写法，可以看出我们在使用for循环对他进行遍历的时候，其实是调用“iter”获得迭代器，再调用“next”获取元素。

生成器

生成器时一种特殊的迭代器，生成器自动实现了迭代器协议，不需要手动的实现“iter”和“next”方法。
生成器通常有两种形式，生成器函数和生成器表达式:

def squre(i):
    for a in range(i):
#         a = i*i
        yield a ** 2

for item in squre(5):
    print (item)

上述为生成器函数，同样可以用迭代器方式完成，但是不可避免的使用到了列表等结构让代码更加复杂。
下面所示的生成器表达式的方式，也是很常用的特性。

>>> squares = (x**2 for x in range(5))
>>> squares
<generator object <genexpr> at 0x7fa8c8369bf8>

这种延迟计算的特性对于大数据的处理具有不错的效益，当然还有pythonic的性质，这在前文我们已经提到过了。

闭包

最后讲一下闭包。
前面已经提过了，python的返回值是可以返回一个函数的，那么闭包其实就是函数的内部函数，同时在该内部函数中引用了外部定义的变量等。举个例子：

def a(x):
    def b(y):
        return x+y
    return b
a = a(1)
print("func:",a)
print("result:",a(1))

输出是：

func <function a.<locals>.b at 0x00000213A67DFF28>
result 2

闭包作为装饰器的基础，还是很有用的。