d = {
'a': 1,
'b': 2,
'c': 3
}
for key
in d:
print(key, end=
' ')
# a b c dict的存储不是按照list的方式顺序排列，所以，迭代出的结果顺序很可能不一样
for ch
in 'ABC':
print(ch, end=
' ')
# A B C
# 判断一个对象是否可迭代
from collections
import Iterable
print(isinstance(
'abc', Iterable))
# True
print(isinstance([1, 2, 3], Iterable))
# True
print(isinstance({}, Iterable))
# True
print(isinstance(123, Iterable))
# False
print(isinstance((x
for x
in range(10)), Iterable))
# True
from collections
import Iterator
print(isinstance(
'abc', Iterator))
# False
print(isinstance([1, 2, 3], Iterator))
# False
print(isinstance({}, Iterator))
# False
print(isinstance(123, Iterator))
# False
print(isinstance((x
for x
in range(10)), Iterator))
# True
# 可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
# Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator
# 把list、dict、str等Iterable变成Iterator可以使用iter()函数
print(isinstance(iter([]), Iterator))
# True
print(isinstance(iter(
'abc'), Iterator))
# True
# Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
# Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
#
for i, value
in enumerate([
'A',
'B',
'C']):
print(i, value)
# 0 A
# 1 B
# 2 C
for x, y
in [(1, 1), (2, 4), (3, 9
)]:
print(x, y)
# 1 1
# 2 4
# 3 9
# 小结
# 凡是可作用于for循环的对象都是Iterable类型；
# 凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
# 集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
转载于:https://www.cnblogs.com/shaozhiqi/p/11543550.html
