python迭代器和生成器

本篇博客是基于极客时间中景霄大佬的课程总结出来的。

迭代器

在 Python 中一切皆对象，对象的抽象就是类，而对象的集合就是容器。比如，列表、元组、集合、字典都是容器，容器就是多个元素组合起来的单元。
容器的都是可以迭代的而可迭代对象，通过 iter() 函数返回一个迭代器，再通过 next() 函数就可以实现遍历。for in 语句将这个过程隐式化。

生成器

生成器是懒人版本的迭代器。
生成器是可以迭代的，==但是只可以读取它一次 ==
迭代器有什么缺点呢，在迭代器中，如果我们想要枚举它的元素，这些元素需要事先生成。
比如：[i for i in range(100000000)]就可以生成一个包含一亿元素的列表。每个元素在生成后都会保存到内存中，然后它们会非常的占用内存，甚至出现OOM的情况。
实际中，并不需要一次性把这些都加载入内存。只需要知道元素在使用的时候那一刻的值就可以了，所以就有了一个生成器的概念，生成器在你调用 next() 函数的时候，才会生成下一个变量。
生成器在 Python 的写法是用小括号括起来，(i for i in range(100000000))，即初始化了一个生成器。
生成器并不会像迭代器一样占用大量内存，只有在被使用的时候才会调用。

yield关键字
生成器的特点：生成器的关键就是有一个next()函数，会重复调用next函数，一直调用，可以捕获异常而停止运行。
yield理解：
1、函数运行到这一行的时候，程序会从这里暂停，然后跳出，所以，一个函数带有yield这个关键字后，他就是一个生成器，可以用来迭代。
2、yield就是return一个值，这个值就是yield后面的值。然后在下一次迭代时，从上一次迭代遇到的yield后面的下一行代码开始执行。
一个斐波拉切数列的例子

# !/usr/bin/python
# -*- coding: UTF-8 -*-

# 斐波拉切数列

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b  # 使用 yield
        # return b
        a, b = b, a + b
        n = n + 1


for n in fab(5):
    print(n)

yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 fab(5) 不会执行 fab 函数，而是返回一个 iterable 对象！在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。

也可以手动调用 fab(5) 的 next() 方法（因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法），这样就可以更清楚地看到 fab 的执行流程

>>>f = fab(5) 
>>> f.next() 
1 
>>> f.next() 
1 
>>> f.next() 
2 
>>> f.next() 
3 
>>> f.next() 
5 
>>> f.next() 
Traceback (most recent call last): 
 File "<stdin>", line 1, in <module> 
StopIteration

当函数执行结束时，generator 自动抛出 StopIteration 异常，表示迭代完成。在 for 循环里，无需处理 StopIteration 异常，循环会正常结束。