Python 之生成器和迭代器

1、简介：

生成器是用来替换列表生成式的，试想当我们有100万个数据但我们只需要其中几个数据时，列表生成式将列表直接创建出来是不是浪费了很多地址空间。
如果可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，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。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
总结：
生成器即gannerator,是在循环中不断推算出后续元素，利用yield关键字在调用next()时遇到yield就返回，下次执行next()时从上次返回的yield出继续。

2、斐波拉契数列

def fbi(max):
    n,a,b = 0,0,1
    while n < max:
        yield b
        a,b=b,a+b
        n = n+1
    return 'done'

for n in fbi(3):

    print(n)

3、杨辉三角

def triangles():
    L = [1]
    while True:
        yield L
        L = [1] + [L[i-1]+L[i] for i in range(len(L)) if i > 0] + [1]


n = 0
for t in triangles():
    print(t)
    n = n + 1
    if n == 10:
        break

4、可迭代对象Iterable

能直接用for 循环的数据类型如下，这些都叫可迭代对象Iterable。

• list tuple dict det str
• generator:生成器和带yield的ganerrator function

可以使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

5、迭代器

而可以被next()函数不断迭代的惰性对象叫迭代器Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

总结：

• 凡是能用for 迭代的都是可迭代对象Iterable如：str,list,dict,tuple,set，generator,带yeid的generator function。
• 能用next()调用的都是Iterator。如：generator:生成器和带yield的ganerrator function。
• 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是永远不可能存储全体自然数的。
• Iterator是惰性的