附3：特性、迭代器、生成器

1. 特性

1. 特性的引入和实现

存取方法用于获取或设置属性（这些属性可能是私有的）。如果访问给定属性时必须采取固定的措施，那么像这样封装状态变量（属性）很重要。

class Rectangle:
    def __init__(self):
        self.width = 0
        self.height = 0
    def set_size(self, size):
        self.width, self.height = size
    def get_size(self):
        return self.width, self.height

>>>r = Rectangle()
>>>r.width = 10
>>>r.height = 5
>>>r.get_size()
(10, 5)
>>>r.set_size((150, 100))
>>>r.width
150

get_size和set_size是假想属性size的存取方法，这个属性是一个由width和height组成的元组。

Python能够替你隐藏存取方法，让所有的属性看起来都一样。

class Rectangle:
    def __init__(self):
        self.width = 0
        self.height = 0
    def set_size(self, size):
        self.width, self.height = size
    def get_size(self):
        return self.width, self.height
    size = property(get_size, set_size)

>>>r = Rectangle()
>>>r.width = 10
>>>r.height = 5
>>>r.size
(10, 5)
>>>r.size = 150, 100
>>>r.width
150

---

2. 迭代器

本节涉及到2个方法，__iter__和__next__：
__iter__返回一个迭代器（对象），它是包含方法__next__的对象；实现了该方法的对象是可迭代的，可直接用于for循环中（下面用例子说明）
__next__返回迭代器的下一个值（如果没有返回StopIteration异常），还可以使用内置函数next替换，即next(it)和it.__next__()等效；仅实现了该方法的对象是迭代器，不可直接用于for循环中

class Fibs:
    def __init__(self):
        self.a = 0
        self.b = 1
    def __next__(self):
        self.a, self.b = self.b, self.a + self.b
        return self.a
    def __iter__(self):
        return self

>>>fibs = Fibs()
>>>fibs.__next__()
1
>>>next(fibs)
1
>>>next(fibs)
2
>>>for f in fibs:
...    if f > 1000:
...        print(f)
...        break
        
1597

 可以发现在实现了__iter__和__next__方法的Fibs类对象fibs上，__next__/next()和for循环都是可以使用的。

下面删除__iter__方法的实现：

class Fibs:
    def __init__(self):
        self.a = 0
        self.b = 1
    def __next__(self):
        self.a, self.b = self.b, self.a + self.b
        return self.a

>>>fibs = Fibs()
>>>fibs.__next__()
1
>>>next(fibs)
1
>>>next(fibs)
2
>>>for f in fibs:
...    if f > 1000:
...        print(f)
...        break
...        
Traceback (most recent call last):
  File "D:\PyCharm Community Edition 2020.3\plugins\python-ce\helpers\pydev\_pydevd_bundle\pydevd_exec2.py", line 3, in Exec
    exec(exp, global_vars, local_vars)
  File "<string>", line 1, in <module>
TypeError: 'Fibs' object is not iterable

可以看出，删除了__iter__实现以后，fibs对象不能直接在for循环中使用，提示Fibs对象是不可迭代的。

注：对a, b = b, a + b的解析
a, b = b, a + b 相当于a = b和b = a + b是同时计算的，例如a为3，b为5，那么a = 5和b = 3 + 5同时计算a为5，b为8
对于不同时计算（假设初始时均a为3，b为5）
顺序1）
a = b#a = 5
b = a + b#此时a已经是5不是3，b = 5 + 5 = 10
顺序2）
b = a + b#b = 3 + 5 = 8
a = b#此时b已经是8不是5，a = b = 8

通过对可迭代对象调用内置函数iter，可获得一个迭代器。

>>>it = iter([1, 2, 3])
>>>next(it)
1
>>>next(it)
2

使用构造函数list显式地将迭代器转换为列表

class TestIterator:
    value = 0
    def __next__(self):
        self.value += 1
        if self.value > 10: raise StopIteration
        return self.value
    def __iter__(self):
        return self

>>>ti = TestIterator()
>>>list(ti)
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

---

3. 生成器yield（了解：相对较新的Python概念，在编码过程中完全可以不使用）

1. 基本概念

        包含yield语句的函数都被称为生成器，生成器可以生成多个值，每次一个。每次使用yield生成一个值后，函数都将冻结，即在此终止执行，等待被重新唤醒。被重新唤醒后，函数将从停止的地方开始继续执行。

        唤醒的方法是使用next()
        在for … in …中默认会执行next()函数

def yield_test1(n):
    while n > 0:
        yield n
        n -= 1


if __name__ == '__main__':
    a = yield_test1(4)
    print(next(a))
    print(next(a))
    print(next(a))
    print(next(a))
#   输出
#   4
#   3
#   2
#   1
#   再添加一个print(next(a))将报错

def yield_test1(n):
    while n > 0:
        yield n
        n -= 1


if __name__ == '__main__':
    for i in yield_test1(4):
        print(i)
#   输出
#   4
#   3
#   2
#   1

2. 生成器推导（也叫生成器表达式，类似于第5章的列表推导）

其工作原理与列表推导相同，但不是创建一个列表（即不立即执行循环），而是返回一个生成器，让你能够逐步执行运算。

>>>g = ((i + 2) ** 2 for i in range(2, 27))
>>>next(g)
16

直接在一个既有圆括号内（如在函数调用中）使用生成器推导时，无需再添加一对圆括号。例如：

>>>sum(i ** 2 for i in range(10))
285