python3.x 基础四：生成器与迭代器

1.预先存值到内存，调用之前已经占用了内存，不管用与不用，都占用内存

>>> a=[1,2,3,4,5]
>>> type(a)
<class 'list'>
>>> len(a)
5
>>> a = [ i for i in range(1,6)] #列表生成式，这里的i可以是一个函数
>>> type(a)
<class 'list'>
>>> len(a)
5
>>> a
[1, 2, 3, 4, 5]

>>> a=[]
>>> for i in range(10):
...     a.append(i)
...
>>> a
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

2.generateor  一边循环一边计算的机制，节省空间，只有在调用的时候才会生成对应的数据，可以用next访问

将列表生成式的中括号改成小括号，就变成生成器了

>>> [ i for i in range(1,6)]
[1, 2, 3, 4, 5]
>>> (i for i in range(1,6))
<generator object <genexpr> at 0x7f8747a69678>
>>> a=(i for i in range(1,6))
>>> type(a)
<class 'generator'>
>>> a.__next__()
1
>>> a.__next__()
2
>>> a.__next__()
3
>>> a.__next__()
4
>>> a.__next__()
5
>>> a.__next__()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

3.斐波那契

def fib(max):
    n,a,b=0,0,1
    while n<max:
        print(b)
        a,b=b,a+b
        n=n+1
    return 'done'
fib(10)

4.将上面的print(b)改成生成式关键字 yield，就是生成器了

def fib(max):
    n,a,b=0,0,1
    while n<max:
        yield b
        a,b=b,a+b
        n=n+1
    return 'done'
gen=fib(10)
print(type(gen))

5.每次调用生成器的时候，遇到yield则返回本次值，然后跳出生成器，可执行其他指令，在下一次调用生成器的时候，将从上次结束的地方开始运行，直到yield跳出

def fib(max):
    n,a,b=0,0,1
    while n<max:
        yield b
        a,b=b,a+b
        n=n+1
    return 'done111'
gen=fib(5)
print(type(gen))
print(next(gen))
print('小明滚进来')
print(next(gen))
print('小明滚出去')
print(next(gen))
print('小明滚进来')
print(next(gen))
print('小明滚出去')
print(next(gen))
输出结果：
<class 'generator'>
1
小明滚进来
1
小明滚出去
2
小明滚进来
3
小明滚出去
5

6.处理异常try：处理内容 except：内容异常处理

def fib(max):
    n,a,b=0,0,1
    while n<max:
        yield b
        a,b=b,a+b
        n=n+1
    return 'done111'
gen=fib(5)
print(type(gen))
while True:
    try:
        val=next(gen)
        print('fib value is',val)
    except StopIteration as e:
        print(e.value)
        break
<class 'generator'>
fib value is 1
fib value is 1
fib value is 2
fib value is 3
fib value is 5
done111

7.生产者与消费者

•  g.__next__遇到yield返回，下一次从yield开始，但是不会赋值
• g.send()遇到yield唤醒迭代器，赋值
• 进程-线程-携程，epoll异步IO原理
• epoll是Linux内核为处理大批量文件描述符而作了改进的poll，是Linux下多路复用IO接口select/poll的增强版本，它能显著提高程序在大量并发连接中只有少量活跃的情况下的系统CPU利用率。另一点原因就是获取事件的时候，它无须遍历整个被侦听的描述符集，只要遍历那些被内核IO事件异步唤醒而加入Ready队列的描述符集合就行了

#/usr/bin/env python
#-*- coding: utf-8 -*-
#Author:jenvid.yang
import time
def consumer(name):
    print('%s is ready to have baozi!' %(name))
    while True:
        baozi = yield
        print('baozi %s is coming,baozi was ate by %s' %(baozi,name))
c=consumer('alex')
# c.__next__()
# b1='baozi001'
# c.send(b1)
def producer():
    c1=consumer('oldboy')
    c2=consumer('alex')
    c1.__next__()
    c2.__next__()
    print('i am going to make baozi!')
    for i in ['韭菜馅','猪肉馅','白菜陷','玉米馅','萝卜馅']:
        time.sleep(1)
        print('finish 2 baozi')
        c1.send(i)
        c2.send(i)
producer()

8.迭代器

• 列表/元组/字典/集合/字符串/生成器，可以用于for循环的对象统称为可迭代对象：Iterable
• isinstance()，判断一个一个对象是否是Iterable对象

• >>> from collections import Iterable
  >>> isinstance([],Iterable)
  True
  >>> isinstance('123',Iterable)
  True
  >>> isinstance({},Iterable)
  True
  >>> isinstance((),Iterable)
  True

• 能用next()函数调用并返回下一个值的对象成为迭代器，Iterator

• >>> from collections import Iterator
  >>> isinstance([],Iterator)
  False
  >>> isinstance('123',Iterator)
  False
  >>> isinstance((),Iterator)
  False
  >>> isinstance((i for i in range(2)),Iterator)
  True

• 生成器是迭代器Iterator，但是Iterable不一定是Iterator，用iter()函数可以将迭代类型转成迭代器

• >>> isinstance('123',Iterator)
  False
  >>> isinstance(iter('123'),Iterator)
  True

• 迭代：
  • 迭代器不能预先知道循环的长度
  • 只能通过next()取下一个
  • 最后结果抛出StopIterator错误
  • 可for循环取值的对象是可迭代类型Iterable
  • 可next()取值的对象是迭代器Iterator

转载于:https://www.cnblogs.com/jenvid/p/7887435.html