'''
iterator Demo 迭代器Demo
list tuple set 可迭代对象
'''
import copy
class BookCollection:
def __init__(self):
self.data = ['往事', '只能', '回味']
self.cur = 0
def __iter__(self):
return self
def __next__(self):
if self.cur >= len(self.data):
raise StopIteration()
r = self.data[self.cur]
self.cur += 1
return r
books = BookCollection()
books_copy = copy.copy(books)#这里涉及到深拷和浅拷
# print(next(books))
# print(next(books))
# print(next(books))
for book in books:
print(book)
for book in books_copy:
print(book)
划重点:面试会问的问题,迭代器和生成器的不同
迭代器是针对一个对象的,生成器是针对一个函数的
'''
generator Demo 生成器Demo
'''
# n = [i for i in range(0, 10001)]
n = (i for i in range(0, 10001)) #生成器
print(n)
def gen(max):
number = 0
while number <= max:
number += 1
yield number
g = gen(10000)
for i in g:
print(i)
# print(next(g))
# print(next(g))
这种东西的好处就是提升性能,不占内存
汇总
1 迭代器是一个更抽象的概念,任何对象,如果它的类有next方法和iter方法返回自己本身。对于string、list、dict、tuple等这类容器对象,使用for循环遍历是很方便的。在后台for语句对容器对象调用iter()函数,iter()是python的内置函数。iter()会返回一个定义了next()方法的迭代器对象,它在容器中逐个访问容器内元素,next()也是python的内置函数。在没有后续元素时,next()会抛出一个StopIteration异常
2 生成器(Generator)是创建迭代器的简单而强大的工具。它们写起来就像是正规的函数,只是在需要返回数据的时候使用yield语句。每次next()被调用时,生成器会返回它脱离的位置(它记忆语句最后一次执行的位置和所有的数据值)
区别:生成器能做到迭代器能做的所有事,而且因为自动创建了__iter__()和next()方法,生成器显得特别简洁,而且生成器也是高效的,使用生成器表达式取代列表解析可以同时节省内存。除了创建和保存程序状态的自动方法,当发生器终结时,还会自动抛出StopIteration异常