自学Python：列表生成式、生成器、迭代器

列表生成式

列表生成式是python内置的一个用来创建列表的生成式，非常的强大和灵活！
比如说我们要生成一个包含1-10十个数字的列表，我们可以直接使用list(range(11))来生成：

但是我们如果要生成[1 * 1, 2 * 2, 3 * 3, 4 * 4, …, 10 * 10]这样一个列表呢，第一种方法时使用循环：

但是这样的话还是看起来非常的复杂，不太符合python简单的特性，因此，我们可以使用列表生成式来完成这一操作，只使用一行代码完成我们的要求：

由这行代码可以看出，列表生成式的格式是这样的，所有语句都包含在一对中括号中，最前面的是我们需要生成的元素，后面跟for循环就可以将一个列表创建出来，for循环后面还可以跟上if判断语句，比如我们要生成一个包含1-10中的偶数平方值的列表，可以这样做：

列表生成式中也可以有嵌套for循环，生成一个全排列：

我们来生成一个列表，包含当前目录下所有目录与文件：

列表生成式中的for循环其实也可以使用两个甚至是多个变量，比如我们要从字典中取值的话，可以同时迭代key和value：

最后一个，我们使用列表生成式将一个列表中的元素全部变成小写：

运用列表生成式，可以快速生成一个列表，可以通过一个列表推导出另一个列表，因此列表生成式也称为列表推导式。

生成器

通过列表生成式生成的列表，受到内存的限制，其容量肯定是有限的，而且，创建一个包含几十一百万元素的列表，不仅要占用很大的内存空间，如果我们仅仅需要访问前面的几个元素，那后面的元素占用的空间将会被白白浪费，所以，如果列表元素可以按照某种算法推算出来，我们就可以在循环的过程中不断推算出后续的元素，这样的话就不必创建完整的列表，从而节省大量的空间。在python中，这种一边循环一边计算的机制，称为生成器：generator

创建生成器的方法有很多种，其中最简单的方法就是将列表生成式的[]改为()，我们使用列表生成式的时候，可以直接打印出一个列表，但是我们怎么打印出一个生成器中的元素呢？上面我们说过，生成器是一种边循环边计算的机制，它返回的并不会直接是一个列表，而是一个生成器，这个生成器包含了一种算法，生成一个个元素的算法，我们可以使用next()函数，不断地获取生成器的下一个返回值：

当使用next()函数获得生成器的最后一个值之后，再次调用就会报错，提示终止迭代：

这种不断调用next()函数获取生成器中的值的效率实在是太低了，正确的方法是使用for循环，因为生成器也是一个可迭代对象：

我们在得到一个生成器后，基本不会使用next()函数去获取生成器中的值，而是使用for循环，并且不用关心stopIteration的错误
生成器非常的强大，如果其包含的推算的算法非常复杂，使用类似于列表生成式的for循环无法实现的话，我们还可以使用函数来实现，这是创建生成器的第二种方法，比如说著名的斐波那契数列，从第三个数开始，每个数字的值都是其前两个数字的和，斐波那契数列使用列表生成式写不出来，因此我们可以使用函数来实现：

可以看到,fibs函数实际上是定义了斐波那契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似生成器。也就是说，上面推算斐波那契的函数和生成器仅一步之遥，要把fibs函数编程生成器，只需要把print(b)改为yield b就可以了：

生成器的执行流程和函数的不一样，函数是顺序执行，遇到return语句或者最后一行函数语句就返回，但是生成器的话，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
举个例子：定义一个生成器，依次返回数字1， 3， 5：

调用该函数时，首先要返回一个生成器对象，然后用next()函数不断获取下一个返回值：

可以看到，odd()就是一个生成器，在执行过程中，遇到yield就中断，再次调用next()就从上次中断的地方继续执行，第三次后没有yield可执行，所以在第四次调用的时候就报错。
小结：
生成器是非常强大的工具，在python中，可以简单的把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。要理解生成器的工作原理，他是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的生成器来说，遇到return语句或者执行到函数体最后一行语句，就是结束生成器的指令，for循环随之结束。

迭代器

我么已经知道，可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象：

生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出stopIteration错误表示无法继续返回下一个值了。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用isinstance()判断一个对象是否是Iterator对象：

生成器都是可迭代对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数：

你可能会问，为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出stopIteration错误，可以把这个数据流看作是一个有序序列，但我们不能提前知道序列的长度，只能不断通过next(0函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要时返回下一个数据时他才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数，而使用list是永远也不可能存储全体自然数的。
小结：
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next(0函数的对象都是Iterator类型，他们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得下一个Iterator对象。