迭代器和生成器（面试重点，必会！！！）

一. 列表生成式：

a1 = [x for x in range(1,10)]
a2 = [x**2 for x in range(1,10)]

也可以放一个函数:

def f(n):
    return n**3

a3 = [f(x) for x in range(1,10)]

二. 生成器：

背景：通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
　　所以，如果列表元素可以按照某种算法推算出来，那我们是否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
　　
定义: 在Python中，这种一边循环一边计算的机制，称为生成器：generator 。

说明：生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。

两种创建方式：

1. (x*2 for x in range(5,100)) # 此处注意区分列表生成式
2. yield

其中：

• 生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果
• 生成器函数：也是用def定义的，利用关键字yield（相当于return）一次性返回一个结果，阻塞，重新开始

为了节省空间，生成器生成的数据并没有放到内存中，只有在调取的时候才往内存中放。
只能从前往后逐一调取。

next() 返回迭代器的下一个项目

a = (x*2 for x in range(5,100))   #元组
print(next(a))  #将5返回给x*2    10

用生成器来实现斐波那契数列的例子是：

def fib(max):
    a, b = 0, 1
    while max > 0:
        a, b = b, a + b
        yield a
        max -= 1

print([i for i in fib(10)])

f.send() 和 next() 的区别：

• f.send()，将参数传给yield前一个变量，也就是说send()可以强行修改上一个yield的值；
• next()参数是迭代器函数名字；
• 第一个send()不可传值，写作f.send(None)，相当于next(b)。

三. 迭代器

定义：任何实现了__iter__和__next__()方法的对象都是迭代器（这是迭代器协议），__iter__返回迭代器自身，__next__返回容器中的下一个值，直到容器中没有更多元素时抛出StopIteration异常并停止迭代。

迭代就是循环，它是一个带状态的对象，能在你调用next()方法的时候返回容器中的下一个值。
迭代器就像一个懒加载的工厂，等到有人需要的时候，它才会生成值并返回，没调用的时候就处于休眠状态等待下一次调用。

生成器与迭代器的区别

• 迭代器（iterator）是一个实现了迭代器协议（__iter__和__next__()方法）的对象。
• 生成器（generator）是通过yield语句或生成器函数快速生成迭代器，可以不用iter和next方法 。
• 生成器本质上也是一个迭代器，自己实现了可迭代协议，与迭代器不同的是生成器的实现方式不同，可以通过生成器表达式和生成器函数两种方式实现，代码更简洁。
• 生成器和迭代器都是惰性可迭代对象，只能遍历一次，数据取完抛出Stopiteration异常

四. 可迭代对象

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

• 一类是集合数据类型，如list,tuple,dict,set,str等
• 一类是generator，包括生成器表达式和生成器函数

定义：实现了__iter__方法的对象就叫做可迭代对象。说白了就是可以直接作用于for 循环的对象统称为可迭代对象：Iterable

区别：一个可迭代的对象必须是定义了__iter__()方法的对象；而一个迭代器必须是同时定义了__iter__()方法和next()方法的对象。

for函数的本质：在python3中，就是不断调用next() 方法实现for循环。

x = [1,2,3]
for i in x:
    print(i)

实际执行情况：

等价于：

# 首先获得Iterator对象:
iterator = iter([1, 2, 3])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(iterator)
        print(x)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break

总结：

• 凡是可作用于for循环的对象都是可迭代对象；
• 凡是可作用于next()函数的对象都是迭代器，它们表示一个惰性计算的序列；
• 集合数据类型如list、dict、str等是可迭代对象，但不是迭代器，不过可以通过iter()方法获得一个Iterator对象；
• 文件是可迭代对象，也是迭代器。

你可能会问，为什么list、dict、str等数据类型不是迭代器？

这是因为Python的迭代器对象表示的是一个数据流，可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
迭代器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。
list,str,dict…这些可迭代的对象你可以随意的读取所以非常方便易用,但是你必须把它们的值放到内存里,当它们有很多值时就会消耗太多的内存。

如何判断是可迭代对象还是迭代器？如何把可迭代对象转换为迭代器？

from collections import Iterator  # 迭代器
from collections import Iterable  # 可迭代对象

s = 'hello'

print(isinstance(s, Iterator))  # 判断是不是迭代器
print(isinstance(s, Iterable))  # 判断是不是可迭代对象

print(isinstance(iter(s), Iterator))  # 把可迭代对象转换为迭代器 iter(s)