python生成器和迭代器知识

生成器

一边循环一边计算称为生成器，generator
生成器记录一个算法

生成器的作用：
比如：存储1-10000中所有的偶数
1、list
列表推导式
更加耗时
更加开销系统内存
2、生成器
存储数据（存数的算法）

使用生成器的好处
1、时间效率高
2、内存开销小

创建生成器相当于使用元组的推导式
● 生成器的其它生成方式：
1、g=(x for x in range(5)) 其实就像是一个元组推导式
2、包含yield关键字的函数，为生成器 yield用在函数中

● 生成器可以生成的元素的访问及注意事项：
1、next(g) 个人理解为指针，指向元素的某个位置，执行一次指针移动一次
2、for循环变量可以输出生成器的每一个值
3、g.–next–() 等同于next(g)
4、g.send 使用send()访问的时候，首个元素必须给None参数，后续元素可以给任意参数
5、不管用哪种方式，超出生成吕生成数据的范围报StopIteration
import time
import sys

# 记录程序开始时间

start_time=time.time()

list1=[x for x in range(2,1000001,2)]


# 记录程序结束时间
end_time=time.time()
print('程序执行时间为%f' % (end_time-start_time))

print('*'*20)
# 生成一个生成器
start_time=time.time()
g=(i for i in range(2,1000001,2))

end_time=time.time()
print('程序执行时间为%f' % (end_time-start_time))

# 上述实验可以看到两种方式生成的可迭代内容效率不同，生成器生成的最快

# 在函数中使用yield创建生成器
def test_yield():
    for x in range(5):
        yield x

# 用一个变量接生函数产生的生成器，为了记单词这里把变量名弄的长
yield_iteration=test_yield()

print(yield_iteration)  # <generator object test_yield at 0x00000180C6A665C0>

# 访问这个生成器
# for i in yield_iteration:
#     print(i)

# 另外一种访问方法  next
print(next(yield_iteration))  # 经过循环后个人理解指针没有复位，所以用next访问报StopIteration

# send访问生成器
print(yield_iteration.send('xxx'))
# send里面必须要填参数，参数内容随便，但指针没移动的时候，第一个参数为None
# TypeError: generator.send() takes exactly one argument (0 given)

yield让程序（循环暂停）
# 使用while 再次理解yield用法

def test():
    i = 0
    while i < 5:
        # 赋值运算下次会被执行  yield会使程序停住
        temp = yield i
        print(temp)
        i += 1


# 上面函数循环中把temp打印出来，发现输出的就是在send中传的参数
g = test()

# send方法只是把生成器元素返回出来
print(g.send(None))
print(g.send('s'))

print('*' * 30 + 'yield完成多任务' + '*' * 30)


# 要求 先存钱，再取钱，两个任务交替运行
def yield_test():
    while True:
        print('存钱')
        yield None


def yield_test2():
    while True:
        print('取钱')
        yield None


t1 = yield_test()
t2 = yield_test2()
while True:
    t1.__next__()
    t2.__next__()

迭代器

迭代器是访问集合元素的一种方式，迭代器是一个可以记录遍历的位置的对象，迭代器只能往前不会后退。
● 可迭代对象 iterable
【单词注释 iterable 可迭代 iteration 迭代重复 yield 屈服 投降 生产 这里是生产的意思】
集合数据类型如 list列表 tuple元组 dict字典 set集合 str字符串等。生成器如带yield的generator 的函数
【单词注释 generator 发电机 这里是生成器的意思】
● 判断对象是否为可迭代对象 iterable
isinstance（list1,Iterable）
【单词注释 instance例子 实例】
● 迭代器iterator
可以被next()函数调用并不断返回一个值的对象称为迭代器
可以使用isinstance(对象,Iterator) 判断对象是否为迭代器
● iter()函数
分别验证将列表，字典元组，字符串转换为迭代器，使用next()进行访问
使用iterable要导入 从collection.abc 中导入
【collection 收藏】
这里3.9以上版本要使用collection.abc来导入 Iterable

from collections.abc import Iterable, Iterator

# 迭代器只能前进不能后退

# 可迭代对象

# 列表
list = [18, 19, 20, '河南']
# 元组
tuple = (8, 9, 20, 40, '南阳')
# 字典
dict = {'姓名': '刘德华', '年龄': 20, '职业': '叫兽'}

# 集合
set = {'江', '湖', '海'}

# 字符串
str = '这里是河南南阳'

# 判断是否为可迭代对象

print(isinstance(list, Iterable))  # True
print(isinstance(tuple, Iterable))  # True
print(isinstance(dict, Iterable))  # True
print(isinstance(set, Iterable))  # True
print(isinstance(str, Iterable))  # True

# 判断是否为迭代器,虽然为可迭代对象，但不是迭代器

print(isinstance(list, Iterator)) # False
print(isinstance(tuple, Iterator)) # False
print(isinstance(dict, Iterator)) # False
print(isinstance(set, Iterator)) # False
print(isinstance(str, Iterator)) # False

# 通过iter()函数，对可迭代对象转换成迭代器
# 转换列表为迭代器
Iterator_list=iter(list)
# 转换元组为迭代器
Iterator_tuple=iter(tuple)

print(isinstance(Iterator_list, Iterator))
print(isinstance(Iterator_tuple, Iterator))