Python生成器与迭代器

生成器：generator

    列表元素可以按照某种算法推算出来，在循环的过程中不断推算出后续的元素，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。

第一种方法

    只要把一个列表生成式的[]改成()，就创建了一个generator：

g = (x * x for x in range(10))
for i in g:
	print(i)

第二种方法：yield关键字

    著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：1, 1, 2, 3, 5, 8, 13, 21, 34, ...斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

def fib(max):
	n,a,b = 0,0,1
	while n<max:
		print(b)
		a,b = b,a+b
		n = n + 1
	return 'done'

fib(6)

    上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

    一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator，变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)

    调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：

>>> o = odd()
>>> next(o)
step 1
1
--snip--
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

    回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

    同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代。但是用for循环拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

--snip--
g=fib(6)
while True:
	try:
		x = next(g)
		print('g:',x)
	except StopIteration as e:
		print('Generator return value:', e.value)
		break

练习：    杨辉三角，把每一行看做一个list，试写一个generator，不断输出下一行的list：

          1
        1   1
      1   2   1
    1   3   3   1
  1   4   6   4   1
1   5   10  10  5   1

方法一：

def triangels1(row):
	#利用generator和列表生成式完成杨辉三角
	L = [1]
	n = 0
	while n<row:
		yield(L)
		L.append(0)
		L = [ L[i-1]+ L[i] for i in range(len(L))]
		n=n+1
	return 'done'

方法二：

def triangels2(row):
	ret = [1]
	n = 0
	while n<row:
		yield(ret)
		for i in range(1,len(ret)):
			ret[i] = pre[i] + pre [i-1]
		ret.append(1)
		pre = ret[:]
		n=n+1

小结：

    在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。

    generator的工作原理，是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

迭代器Iterator

    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，包括生成器和带yield的generator function。    这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
    可以使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

同时可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。把list、dict、str等Iterable变成Iterator可以使用 iter()函数：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

    Python的Iterator对象表示的是一个数据流，Iterator对象可以被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。把这个数据流看做是一个不知道长度的有序序列，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。

    Iterator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。

小结：
    1.凡是可作用于 for循环的对象都是 Iterable类型；
    2.凡是可作用于 next()函数的对象都是 Iterator类型，它们表示一个惰性计算的序列；
    3.集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
    4.Python的for循环本质上就是通过不断调用next()函数实现的

for x in [1, 2, 3, 4, 5]:
    pass

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break