10分钟了解Python黑魔法 Yield、Iterator、Generator_generate iterator yield(1)

• 方法二：使用isinstance函数，检查对象是否是Iterable类型。

from collections import Iterable
mylist = [1, 2, 3]
print(isinstance(mylist, Iterable)) # True

Iterator 迭代器

迭代器是一个包含可数数量值的对象。 它可以迭代，这意味着您可以遍历所有值。 让我们看一个迭代器示例：

for i in range(5):
    print(i) # 0 1 2 3 4

像这样，一个个打印元素的过程就叫可迭代的，这个过程也是我们日常代码编写中接触最多的操作。

简单来说，带有next()方法的可迭代对象就是一个迭代器，或者说一个可迭代对象和一个迭代器的关系是：Python从一个可迭代对象中获取一个迭代器。具体关系如下图：

所以上面提到的列表、字符串等不是迭代器。 但是，您可以使用Python内置 iter()函数来获取它们的迭代器对象。 让我们使用迭代器模式来重写前面的例子：

mylist = [1,2,3]
it = iter(mylist) # 获取迭代器对象
while True:
    try:
        print(next(it))
    except StopIteration:
        print("Stop iteration!")
        break

在上面的代码中，我们首先使用iterable对象mylist来构造迭代器it，并不断调用迭代器上的next()函数来获取下一个元素。 如果没有字符，迭代器将抛出 StopIteration 异常并退出循环。

Generator 生成器

Python 提供了一个生成器来创建迭代器函数。 生成器是一种特殊类型的函数，它不返回单个值，而是返回一个包含一系列值的迭代器对象。 在生成器函数中，使用 yield 语句而不是 return 语句。

现在我们已经知道for循环背后的机制了，但是如果数据量太大，比如for i in range(1000000)，使用for循环将所有的值存储在内存中不仅占用大量的存储空间 但是如果我们只需要访问前几个元素，空间就浪费了。 在这种情况下，我们可以使用 generator 。

生成器的思路是，我们不需要一次性把这个列表全部创建出来，只需要记住它的创建规则，然后在需要用到的时候，再一次次的计算和创建。 我们来看一个例子：

my_generator = (x\*x for x in range(10))
for i in my_generator:
    print(i) # 0 1 4 9 16 25 36 49 64 81

my_generator 是一个生成器，它的每一个元素都是一个生成器对象。 我们可以使用 next() 函数来获取下一个元素。

Yield 产生器

简单来说，你可以把yield当成return，但它返回的是一个生成器。 记住，刚开始学习的时候不需要了解这个yield是什么，但是一定要了解它的运行机制！
让我们看一下下面的代码片段：

def test():
    print("First")
    yield 1
    print("Second")
    yield 2
    print("Third")
    yield 3
my_generator = test() # 创建生成器
print(type(my_generator)) # <class 'generator'>

我们可以在这里看到如果一个函数使用 yield 作为返回值，那么它就变成了一个生成器函数。
与普通函数不同，生成器函数被调用后，函数体中的代码不会立即执行（执行my_generator=test()后不打印任何值），而是返回一个生成器！正如我们前面提到的：generator 是迭代器，而 yield 可以被视为 return ，不难猜测下面代码的结果：

def test():
    print("First")
    yield 1
    print("Second")
    yield 2
    print("Third")
    yield 3
for item in test():
    print(item)
# 输出：
"""
First
1
Second
2
Third
3
"""

next 函数是如何运行的？

def test():
    print("First")
    yield 1
    print("Second")
    yield 2
    print("Third")
    yield 3

my_generator = test() # 创建生成器
a = next(my_generator) # First
print(a) # 1
b = next(my_generator) # Second
print(b) # 
c = next(my_generator) # Third
print(c) # 3
d = next(my_generator) # StopIteration
print(d) # error

每次调用next(my_generator)，只跑到yield位置就停止，下次再跑，从上次结束的位置开始！并且生成器的长度取决于在函数中定义 yield 的次数。看起来也很好理解呢。

如果理解了上面的 yield 函数示例，让我们继续看一个更复杂的示例，该生成器可以接受参数。

def simple\_gen(a):
    print('-> Started: a =', a)
    b = yield a
    print('-> Received: b =', b)
    c = yield a + b
    print('-> Received: c =', c)
gen = simple_gen(14)
next(gen) # -> Started: a = 14
next(gen) # ？
next(gen) # ？

运行结果如图：

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！