Python的iterable、iterator、sequence

1、背景

   在工作中，我們往往需要定義自己的數據結構，能夠使數據進行有效的讀取、序列結構就是重要的數據結構之一，利用python中的list、tuple、str、dict等都是一些內置的序列結構，我們可以用len()函數返回序列長度或者for循環進行遍歷元素，但實際上python的解釋器會在實現這些功能自動調用數據類中的特殊方法，例如len()調用的就是__len__()，for循環調用的是__iter__()，實際上python中的特殊方法是非常強大，能夠幫助我們有效的利用數據。

2、iterable、iterator、sequence

這裏來說一說iterable和iterator、以及sequence的區別。

iterable實際上是一個類對象，任何包含__iter__()或者__getitem__()的方法的對象，都可以被認爲是一個iterable。

sequence首先iterable的一種，顧名思義，sequence就是有有序的iterable，可以通過整數索引來訪問其中的元素。因此在sequence中需要定義__len__()和__getitem__()方法。

iterator對象的實現必須滿足迭代協議，python中這種迭代協議通過__next__()和__iter__()來實現。

(在hash類型數據中，__iter__()不能被__getitem__()代替。)

iterator用next()函數或者__next__()來訪問元素，且每次訪問iterator都會更新，能夠更有效率的利用內存（訪問完iterator就被清空了）。

這裏放一個前面深度學習定義的數據序列:

import os
from torch import nn
from PIL import Image
import numpy as np

class Mydataset(nn.module):
    def __init__(self, images_dir:str,masks_dir:str, class_num:int, transform):
        super(Mydataset,self).__init__():
        self.class_num=class_num
        self.names=os.listdir(images_dir)
        self.images_fps=[os.path.join(images_dir,name) for name in self.names]
        self.masks_fps = [os.path.join(masks_dir, name.split(".")[0]+".npy") for name in self.names]
        self.transform=transform

    def __len__(self):
        return len(self.ids)

    def __getitem__(self, i):
        per_image=Image.open(self.images_fps[i])
        per_mask=np.load(self.masks_fps[i])
        per_mask[per_mask>self.class_num-1]=0
        per_image=self.transform(per_image)

        return per_image,per_mask

可以明顯的看出這是一個sequence。