迭代器，简单来说就是可以一个可以装很多东西的容器，并且这些东西可以逐个拿出来。在python中典型的就是list列表。

如平常使用的众多工具一样，python中也针对数组（迭代器）聚合运算给出了标准的函数(或称API)，常见的有求和、求个数、求最大值，求最小值，均值等。

简单计算

例如有一个由1，2，3，4构成的数组，针对其做以上操作如下所示。

列表如下：

求和：

求个数：

也就是求得该列表的长度。

求均值：

内置函数中没有直接给出，但是有了上面两个可以求出的条件，此问题也不是问题。

求最大值：

求最小值：

这些简单的计算，基本没有难度，如果要总结下就是：函数中直接传入迭代器，返回想要的结果。

但其实python中封装的迭代器操作函数，有比这高级的用法。

复杂计算

所说高级用法，也就是说，在这些元素不是1，2，3，4这些简单的数字元素时，而是dict字典、子列表这些更具完整信息的元素时，怎么根据这些完整元素的部分特征，取出某个元素来。比如有以下一个字典元素构成的数组：

如果想要根据这些字典局部特征count进行对比，取得该局部最大值对应的整体元素（字典）。

python在max函数中的另外一个参数key就可以起作用了，本质上传入的是一个函数，简单来讲，就像一个回调函数一样，被传到max函数中，告诉max这个函数，需要用哪个指标来进行比较。

当然这个指标可以直接被指定为比如上面的count，当然也可以再被加工算一下得到的结果，比如让这个count加1或者其他的计算，每个元素的count都按照这个规则计算一下之后比较，该指标最大，那么就将这个对应的元素返回。注意：不是返回这个元素的局部特征值（比如count）而是完整的元素。也就是这里的字典dict，比如{"name": "Tom", "count": 5, "sub": {"count": 2}},。

示例：

因为所有元素中count最大的是第一条，所以比较之后，返回第一个字典。

既然可以取某个局部特征值，上面的每一个字典，还有一个嵌套字典sub，这个里面也有一个count，那它当然也应该可以用来作比较。

比较列表中的每个字典，取出字典中的sub key值，count值依次为2，1，4，5，3.

很显然第4个元素的该值是最大的。即

上面的例子中地迭代器的元素是字典，当然还可以是其他的类型，比如子数组，更一般的就是一个python对象，包括自定义的一些类型。

元素为子列表

以下是一个元素为列表的列表（迭代器）。

还是以求max为例，比如要求针对每个子列表的第二个元素为标准，找出该特征值最大值对应的元素。

直观比较可知道答案。

lambda x: x[1]是一个匿名函数，这里函数参数是x, 输出是冒号后面的表达式x[1], 比如输入的x为[1,4, 2]， 那么函数返回的结果为x[1] = 4。

前面讲到，这个匿名函数整体作为一个回调函数传入max中，这个处理机制可以理解为以下的过程。

1、遍历arr1中的每个元素；

2、将当前元素作为入参传入匿名函数；

3、匿名函数输出结果，放入一个新的迭代器，顺序还是元素保持一致；

4、找出新迭代器最大值，为5，并记录其索引为3.

5、带着找出的索引3取到原迭代器中的元素为[3,5,1].

元素为自定义类型

以下是一个自定义的类：

通过实例化该类，组成一个新的列表arr：

类比以上操作，找出属性count最大对应的实例是哪个。

总结：

1、需求场景：在一个迭代器中，需要根据元素的局部特征，比如字典的某个key或者对象的某个属性，根据某个规则，选择对应的元素；

2、前提条件：迭代器中的所有元素，需要结构一致，不能缺失作为规则判断依据的局部特征；

3、想法：这里给人的感觉是，一个局部的特征决定了整个的状态，比如学生时代考试，按某个科目排序，可以选出一个第一名，比如数学，选出的是这个人，而不是这个分数本身；按不同的维度又会选择不同的个体出来；在某个领域，某个个人特质就决定了某个人的高度。