具有指定长度的迭代器/生成器

Question

可迭代对象是那些实现 __iter__ 函数的对象，其中 returns 一个迭代器对象，即提供函数 __iter__ 和 __next__ 并且行为正确的对象。通常可迭代对象的大小是事先不知道的，也不期望可迭代对象知道迭代将持续多长时间；但是，在某些情况下，知道可迭代对象的长度很有价值，例如，在创建数组时。例如list(x for x in range(1000000))，创建一个初始的小数组，满了就复制，重复多次，如解释的那样。当然，在这个例子中它不是那么重要，但它说明了这一点。

对于那些事先知道长度的可迭代对象，是否有使用协议？也就是说，是否有扩展Sized and Iterable but not Collection or Reversible的协议？语言特性好像没有这个协议，有没有知名的第三方库有这样的协议？此讨论与生成器有何关系？

Answer 1

如果我现在理解了您的问题，那么您仍在尝试将两个不能完全以这种方式结合的概念结合起来。 generator 是 iterator 的子 class；这是一个过程。 len 适用于数据对象——特别是 iterable 对象，而不是遍历对象的 iterator。

因此，生成器实际上并没有自己的长度。它 returns 一个值序列，并且该序列有一个长度（当生成器完成时）。您能否描述一下您对“长度生成器”的概念——如果它与我刚才描述的不同？

如果您牢记这一区别，那么是的，您可以实施 __len__ 作为 class 的扩展。您可以添加任何您喜欢的东西——例如，一个 sqrt 函数（有关详细信息，请参阅 Conway 的超现实数）。

Answer 2

听起来你在问 __length_hint__ 之类的问题。摘自PEP 424 – A method for exposing a length hint：

CPython currently defines a __length_hint__ method on several types, such as various iterators. This method is then used by various other functions (such as list) to presize lists based on the estimate returned by __length_hint__. Types which are not sized, and thus should not define __len__, can then define __length_hint__, to allow estimating or computing a size (such as many iterators).

Being able to pre-allocate lists based on the expected size, as estimated by __length_hint__, can be a significant optimization. CPython has been observed to run some code faster than PyPy, purely because of this optimization being present.

例如，range 迭代器支持这个 (Try it online!):

it = iter(range(1000))
print(it.__length_hint__())     # prints 1000
next(it)
print(it.__length_hint__())     # prints 999

并且 list 迭代器甚至考虑了列表长度的变化 (Try it online!):

a = [None] * 10
it = iter(a)
print(it.__length_hint__())     # prints 10
next(it)
print(it.__length_hint__())     # prints 9
a.pop()
print(it.__length_hint__())     # prints 8
a.append(None)
print(it.__length_hint__())     # prints 9

Generator 迭代器不支持它，但您可以在您编写的其他迭代器中支持它。这是一个演示迭代器...

生成 10,000 个元素。
提示有 5,000 个元素。
在每 1,000 个元素之后，它显示正在构建的列表的内存大小。

import gc

beacon = object()

class MyIterator:
    def __init__(self):
        self.n = 10_000
    def __iter__(self):
        return self
    def __length_hint__(self):
        print('__length_hint__ called')
        return 5_000
    def __next__(self):
        if self.n == 0:
            raise StopIteration
        self.n -= 1
        if self.n % 1_000 == 0:
            for obj in gc.get_objects():
                if isinstance(obj, list) and obj and obj[0] is beacon:
                    print(obj.__sizeof__())
        return beacon

list(MyIterator())

输出（Try it online!）：

__length_hint__ called
45088
45088
45088
45088
45088
50776
57168
64360
72456
81560

我们看到 list 要求长度提示，并且从一开始就 pre-allocates 足够的内存用于 5,000 个引用，每个引用 8 个字节，外加 12.5% 的过度分配。在前 5,000 个元素之后，它不再要求长度提示，并不断增加其大小。

如果我的 __length_hint__ 准确地 returns 10,000，那么 list 而不是 pre-allocates 90088 字节并且一直保留到最后。

具有指定长度的迭代器/生成器

Iterables / generators with specified length

python

iterator

iterable

generator