python3 迭代器与生成器

迭代和可迭代协议

字符串、列表、元组、字典、集合都可以被for循环，说明他们都是可迭代的。
结合我们使用for循环取值的现象，再从字面上理解一下，其实迭代就是我们刚刚说的，可以将某个数据集内的数据“一个挨着一个的取出来”，就叫做迭代。

可迭代协
假如我们自己写了一个数据类型，希望这个数据类型里的东西也可以使用for被一个一个的取出来，那我们就必须满足for的要求。这个要求就叫做“协议”。
可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单，就是内部实现了__iter__方法。
总结一下我们现在所知道的：可以被for循环的都是可迭代的，要想可迭代，内部必须有一个__iter__方法。

迭代器协议
在for循环中，就是在内部调用了__next__方法才能取到一个一个的值。
那接下来我们就用迭代器的next方法来写一个不依赖for的遍历。

迭代器遵循迭代器协议：必须拥有__iter__方法和__next__方法。

 

迭代器使用

 

list=[1,2,3,4]
a=iter(list)	#创建迭代对象
print(next(a))  #1
print(next(a))  #2
print(next(a))  #3

list=[1,2,3,4]
a=list.__iter__()	#创建迭代对象
print(a.__next__()) #1
print(a.__next__()) #2
print(a.__next__()) #3
print(a.__next__()) #4
print(a.__next__()) #报错

list=[1,2,3,4]
a=list.__iter__()
for i in a:
    print(i)

生成器

我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是可以节省内存。
如果在某些情况下，我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

1.延迟计算，一次返回一个结果。也就是说，它不会一次生成所有的结果，这对于大数据量处理，将会非常有用。

Python中提供的生成器：
1.生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行
2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
 
生成器Generator：
　　本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)
　　特点：惰性运算,开发者自定义

def func():
    a=1
    yield a
    a=a+1
    yield a
    a=a+1
    yield a
    a=a+1
    yield a

g=func()    #创建迭代器
print(g.__next__()) #1
print(g.__next__()) #2
print(g.__next__()) #3

带输入的生成器

def func():
    sum=0
    count=0
    avg=0
    while True:
        num = yield avg
        count=count+1
        sum=sum+num
        avg=sum/count

g=func()    #创建生成器
g.__next__()
print(g.send(1))#1.0
print(g.send(2))#1.5
print(g.send(3))#2.0
print(g.send(4))#2.5

带预激活的生成器（装饰器与生成器的组合）

def init(func):  #在调用被装饰生成器函数的时候首先用next激活生成器
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        next(g)
        return g
    return inner

@init
def func():
    sum=0
    count=0
    avg=0
    while True:
        num = yield avg
        count=count+1
        sum=sum+num
        avg=sum/count

g=func()    #创建生成器
print(g.send(1))
print(g.send(2))
print(g.send(3))
print(g.send(4))

yield from

def gen1():
    for c in 'AB':
        yield c
    for i in range(3):
        yield i

print(list(gen1()))#['A', 'B', 0, 1, 2]

def gen2():
    yield from 'AB'
    yield from range(3)

print(list(gen2()))#['A', 'B', 0, 1, 2]

列表推导式和生成器表达式

 

#老男孩由于峰哥的强势加盟很快走上了上市之路,alex思来想去决定下几个鸡蛋来报答峰哥

egg_list=['鸡蛋%s' %i for i in range(10)] #列表解析

#峰哥瞅着alex下的一筐鸡蛋,捂住了鼻子,说了句:哥,你还是给我只母鸡吧,我自己回家下

laomuji=('鸡蛋%s' %i for i in range(10))#生成器表达式
print(laomuji)
print(next(laomuji)) #next本质就是调用__next__
print(laomuji.__next__())
print(next(laomuji))

总结：

1.把列表解析的[]换成()得到的就是生成器表达式
2.列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存
3.Python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。例如， sum函数是Python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议，所以，我们可以直接这样计算一系列值的和：
sum(x ** 2 for x in range(4))
而不用多此一举的先构造一个列表：
sum([x ** 2 for x in range(4)])