python-------------生成器与迭代器

python中的迭代器与生成器

迭代器：
迭代器就像for循环遍历，但唯一不一样的地方我们进一步探索
首先用for循环遍历一个列表如下

a=[1,2,3,4,5,6]
for i in a:
    print(i)

我们在用迭代器进行遍历一个列表如下：
a=[1,2,3,4,5,6]
b=iter(a)
print(next(b))
print(next(b))
# print(next(b))
# print(next(b))
# print(next(b))
# print(next(b))

 

 总结：我们可以清晰的看出for遍历一个列表会全部遍历，而迭代器可以记住遍历的位置对象，迭代器对象从列表的第一个元素开始访问，直到所有的元素被访问完结束，迭代 器只能往前不会后退。 其中通过iter(iterable)从可迭代对象中返回一个迭代器,iterable必须是能提供 一个迭代器的对象，然后通过 next(iterator) 从迭代器iterator中获取下一了记录,如果无法获取下 一条记录,则触发stoptrerator异常，从中我们可以看出iter函数是可以返回一个可迭代对象的迭代器，这样一来遍历就可控了好多。
迭代器的应用：
在python中好多内置函数就用到了迭代器原理，就拿最有代表的map()函数来说吧，先看一组代码：
 

lst=[1,2,3,4,5,6]
def pingfang(x):
    return x*x
ret=map(pingfang,lst)
print(ret)
for i in ret:
    print(i)

总结：我们可以看到map()函数，第一个参数是一个函数，第二个参数是可迭代的内容。 函数会依次作用在可迭代内容的每一个元素上进行计算，然后返回一个新的可迭代内容。 虽然新的内容存在内存地址中需要进行遍历，但是迭代器切实优化了计算方式，减少了代码量。
生成器：
都说迭代器是生成器，并且他还包含一个yield关键字，那我们进一步探索一下
首先我们用平常的代码书写一下斐波那契数：
 

def fbnq(n):
    a,b,i=0,1,0
    while i<n:
        a,b=b,a+b
        print(a)
        i+=1
f=fbnq(10)

 然后我们在用生成器实现一下斐波那契数：

def fbnq(n):
    a,b,i=0,1,0
    while i<n:
        a,b=b,a+b
        yield a
        i+=1
f=fbnq(10)
print(f)
for i in f:
    print(i)

总结：从上面的对比我们不难看出个函数中包含yield关键字，那么这个函数就不再是一个普通函数，而是 一个生成器，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是 一个迭代器。
在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运 行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。 调用一个生成器函数，返回的是一个迭代器对象。
生成器的作用：
列表所有数据都在内存中，如果有海量数据的话将会非常耗内存。如果列表元素按照某种算法推算出来，那我们就可以在循环的过程中不断推算出 后续的元素，这样就不必创建完整的list，从而节省大量的空间。 简单一句话：我又想要得到庞大的数据，又想让它占用空间少，那就用生成器