迭代器和生成器的一些注意问题

一、迭代器

可迭代的（可迭代对象）：
可迭代对象都是可迭代的。如：str、list、dict、tuple、文件对象等等
只要是对象有__iter__内部方法，就可以称之为可迭代对象

迭代器：
迭代器也是可迭代的，他不光有__iter__方法，还有__next__方法。
迭代器一次只能取一个值，直到取完后引发一个错误
获得一个迭代器：
调用可迭代对象的__iter__()就可以获得迭代器
使用迭代器：

• 调用迭代器的__next__()方法
• 使用for循环

迭代器的特点：

• 惰性运算
• 从前到后一次去取值,过程不可逆 不可重复
• 节省内存

如何判断一个变量是不是迭代器或者可迭代的
方法一：
print('__iter__' in dir([1,2,3,4]))
print('__next__' in dir([1,2,3,4]))
方法二：
from collections import Iterable
from collections import Iterator
print(isinstance([1,2,3,4],Iterable))
str_iter = 'abc'.__iter__()
print(isinstance(str_iter,Iterator))
print(isinstance('abc',Iterable))

二、生成器

生成器的本质就是迭代器，它有迭代器的所有特点，只不过生成器是自己编写的python 代码

1、生成器函数

生成器函数和普通函数之间的区别：

• 生成器函数中含有yield关键字
• 生成器函数调用的时候不会立即执行，而是返回一个生成器

def g_func():
    print('aaaa')
    yield 1
    print('bbbb')
    yield 2
    yield 3

g = g_func()
for i in g:
    print(i)
print(g.__next__())
print(g.__next__())
print(g.__next__())

def cloth():
    for i in range(1000000):
        yield  '衣服%s'%i

g = cloth()
for i in range(50):
    print(g.__next__())

for i in range(50):
    print(g.__next__())

2、sned用法（进阶）

def func():
    print('*'*10)
    a = yield 5
    print('a : ',a)
    yield 10
g = func()
num = g.__next__()
# print(num)
num2 = g.send('alex')
num2 = g.send('aaaa')
print(num2)

**在下面的例子中，send会在”yield average”处返回average,并将10传递到”yield average”处
**

def averager():
    total = 0.0
    count = 0
    average = None
    while True:
        term = yield average
        total += term
        count += 1
        average = total/count
g_avg = averager()
g_avg.__next__() ---》 先使用一次生成器，返回的值是None
print(g_avg.send(10)) ---》 传递的值是10，然后执行term =10，执行到第二次循环的yield average时候，返回average，这里打印的是第一次循环中的average = total/count计算出的值
print(g_avg.send(30)) ---》 从term = 处执行代码，然后把下一次循环的average返回，然后暂停
print(g_avg.send(20))
print(g_avg.send(100))
print(g_avg.send(200))

生成器的预激装饰器
在使用send的时候，需要先使用一次next方法，具体因素参照上面的例子

def init(func):  #生成器的预激装饰器
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)   #func = averager
        g.__next__()
        return g
    return inner

@init
def averager():
    total = 0.0
    count = 0
    average = None
    term = yield average
    total += term
    count += 1
    average = total/count
    yield average
g_avg = averager()
print(g_avg.send(10))
print(g_avg.send(30))

3、总结

• 生成器函数：生成一个生成器的函数
• 生成器的本质参数迭代器
• 生成器函数的特点：
  
  • 带有yield关键字
  • 且调用之后，函数内的代码不执行
• 触发执行的方式：
  
  • next
  • send ：send(None) == __next__(),send在next的基础上传一个值到生成器函数内部(send操作不能用在生成器使用的第一次)
  • for循环

三、生成器表达式

1、引子

（1）、列表推导式

例一：30以内所有能被3整除的数

>>> [i for i in range(30) if i%3 == 0]
[0, 3, 6, 9, 12, 15, 18, 21, 24, 27]

例二：30以内所有能被3整除的数的平方

>>> [i**2 for i in range(30) if i%3 == 0]
[0, 9, 36, 81, 144, 225, 324, 441, 576, 729]

例三:找到嵌套列表中名字含有两个‘e’的所有名字

names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
>>> [j for i in names for j in i if j.count('e') == 2]
['Jefferson', 'Wesley', 'Steven', 'Jennifer']

（2）、字典推导式

例一：将一个字典的key和value对调

>>> dic = {'a': 10, 'b': 34}
>>> {dic[k]:k for k in dic}
{10: 'a', 34: 'b'}
>>> 

例二：合并大小写对应的value值，将k统一成小写

>>> dic= {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
>>> {k.lower():dic.get(k.lower(),0) + dic.get(k.upper(),0)for k in dic}
{'a': 17, 'b': 34, 'z': 3}

（3）、集合推导式

例：计算列表中每个值的平方，自带去重功能

>>> {i**2 for i in [1,-1,2]}
{1, 4}

2、生成器表达式

g = (i*i for i in y)
for i in g:
    print(i)