Iteratori

Perché ti serve conoscere gli iteratori

Ogni volta che scrivi for elemento in lista, Python sta usando un meccanismo nascosto chiamato iteratore. Capire come funziona ti permette di creare le tue sequenze personalizzate — anche sequenze che non finiscono mai, o che generano i dati “al volo” senza occupare memoria.

---

La differenza tra iterabile e iteratore

• Iterabile: qualcosa su cui puoi fare un ciclo for. Liste, stringhe, tuple, dizionari sono iterabili.
• Iteratore: un oggetto che “sa dove si trova” nella sequenza e sa come ottenere l’elemento successivo.

Pensa a un libro:

• Il libro è l’iterabile (contiene tutti i capitoli)
• Il segnalibro è l’iteratore (ricorda a quale pagina sei arrivato)

---

Come funziona for dentro Python

Quando scrivi:

for x in [1, 2, 3]:
    print(x)

Python esegue in realtà questi passi:

1. Chiama iter([1, 2, 3]) per creare un iteratore dalla lista
2. Chiama ripetutamente next(iteratore) per ottenere un elemento alla volta
3. Quando la lista è finita, next() lancia StopIteration e il ciclo si ferma

Puoi vedere questi passi manualmente:

lista = [1, 2, 3]
iteratore = iter(lista)   # Crea il "segnalibro"

print(next(iteratore))    # 1 ← prende il primo elemento e avanza
print(next(iteratore))    # 2 ← prende il secondo elemento e avanza
print(next(iteratore))    # 3 ← prende il terzo elemento e avanza
# print(next(iteratore))  # Qui lancerebbe StopIteration: la lista è finita!

---

Creare un iteratore personalizzato

Puoi creare una classe che si comporta come un iteratore implementando due metodi speciali:

• __iter__: restituisce l’iteratore stesso
• __next__: restituisce il valore successivo (o lancia StopIteration se è finita)

class ContaDa:
    """Un iteratore che conta da 'inizio' fino a 'fine', incluso."""

    def __init__(self, inizio, fine):
        self.corrente = inizio   # Da dove partiamo
        self.fine = fine         # Dove ci fermiamo

    def __iter__(self):
        return self   # L'iteratore restituisce se stesso

    def __next__(self):
        if self.corrente > self.fine:
            raise StopIteration   # Abbiamo finito!
        valore = self.corrente
        self.corrente += 1        # Avanza al prossimo
        return valore

# Ora possiamo usarlo in un ciclo for, esattamente come una lista
for numero in ContaDa(1, 5):
    print(numero)
# → 1
# → 2
# → 3
# → 4
# → 5

---

Generatori: il modo più semplice

Creare una classe iteratore completa funziona, ma è verboso. I generatori ti permettono di fare la stessa cosa con molto meno codice.

Un generatore è una funzione che usa yield invece di return. Ogni volta che viene chiamata, si “ferma” a yield, restituisce il valore, e riprende da lì alla chiamata successiva — come un libro che segna automaticamente la pagina.

def conta_da(inizio, fine):
    corrente = inizio
    while corrente <= fine:
        yield corrente    # "Ecco il valore, mettiti in pausa finché non ti serve il prossimo"
        corrente += 1

# Si usa esattamente come prima
for numero in conta_da(1, 5):
    print(numero)
# → 1, 2, 3, 4, 5

La differenza rispetto a return: con return la funzione finisce e dimentica tutto. Con yield la funzione si mette in pausa e ricorda esattamente dove si trovava.

---

Generator expression: la versione compatta

Come le list comprehension ma con le parentesi tonde invece di quelle quadre. Producono un generatore invece di una lista.

# List comprehension: crea TUTTI i quadrati in memoria subito
quadrati_lista = [x ** 2 for x in range(10)]

# Generator expression: produce UN quadrato alla volta, solo quando serve
quadrati_gen = (x ** 2 for x in range(10))

for q in quadrati_gen:
    print(q)   # → 0, 1, 4, 9, 16, 25, 36, 49, 64, 81

---

Perché usare i generatori? Il problema della memoria

Immagina di dover lavorare con un milione di numeri:

# Senza generatore: tutti i numeri vengono creati in memoria subito
# Con 1.000.000 numeri, questo occupa decine di megabyte di RAM
numeri_lista = list(range(1_000_000))

# Con generatore: i numeri vengono creati uno alla volta, solo quando servono
# Occupa quasi zero memoria — indipendentemente da quanti numeri ci sono
numeri_gen = range(1_000_000)

I generatori sono come un nastro trasportatore: producono un pezzo alla volta, invece di mettere tutto sul tavolo in una volta.

---

Strumenti pronti: il modulo itertools

Python include una raccolta di iteratori già pronti, molto utili:

import itertools

# Ciclo infinito su una sequenza (utile ad esempio per semafori o animazioni)
colori = itertools.cycle(["rosso", "giallo", "verde"])
for i in range(6):
    print(next(colori))   # → rosso, giallo, verde, rosso, giallo, verde

# Unire più sequenze in una sola
for x in itertools.chain([1, 2], [3, 4], [5]):
    print(x)   # → 1, 2, 3, 4, 5

# Prendere solo i primi n elementi di una sequenza (anche infinita)
for x in itertools.islice(range(1_000_000), 5):
    print(x)   # → 0, 1, 2, 3, 4