python-generator and iterator 基础知识

1.生成器 (generator)
  通过列表生成式，我们可以直接创建一个列表。但由于内存限制，列表容量有限。
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。

第一种方法：修改列表生成式的[]为(),就创建了一个generator。

g = (x * x for x in range(10)

#斐波那契数列(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
def fib(max):
	n, a, b = 0, 0, 1
	while n < max:
		print(b)
		a, b = b, a + b
		n += 1
	return 'done'	
print(fib(6)

第二种方法：函数中包含 yield 关键字，该函数就不再是一个普通函数，而是一个generator

#将上述函数修改为generator
def fib(max):
	n, a, b = 0, 0, 1
	while n < max:
		yield b
		a, b = b, a + b
		n += 1
	return 'done'	

	#由于遇到yield就会中断，要给循环设置一个条件来退出循环
	#使用for循环来进行迭代调用next()获取下一个返回值
	for n in fib(6):	
		print(n)

 generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数
语句就返回。而变成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。
例如：定义一个generator，返回数字1，3，5：

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,直到最后抛出StopIteration错误表示无法继续返回下一个值：

>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
  '''
  可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，
下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用
next(o)就报错。
  '''

  #杨辉三角
  # _*_ coding:utf-8 _*_

def triangles(max):
    n = 0
    L = [1]
    while True:
        yield L
        if n > max:
            break
        L = [1]+[L[i]+L[i+1] for i in range(n)]+[1]
        n += 1
    return 'done'  

for n in triangles(10): #打印十行
    print(n)

2.迭代器
  可以直接作用于for循环的数据类型：
  （1）.集合数据类型，list, tuple, dict, set, str等
  （2）.generator，包括生成器和带yield的generator function

  以上可以直接作用于for循环的对象统称为可迭代对象：Iterable.

  可以使用 isintance()判断一个对象是否是可迭代对象

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

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.

 可以使用 isintance()判断一个对象是否是Iterator对象

>>> 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，但是list, dict, str虽然是Iterable对象却不是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
  >>>list = [1, 2, 3, 4]
  >>>list_t = list.__iter__()
  >>>isinstance(list_t, Iterator)
  True

  #iter(), next()属于python的内置函数，而__iter__(), __next__()属于对象内置函数
  #__next__()只有Iterator对象才有
  
  '''
  为什么list、dict、str等数据类型不是Iterator？
  这是因为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。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。
  '''