小猿圈python入门之迭代器和生成器-CSDN博客

迭代器协议和生成器

迭代器协议：

1、迭代器协议是指：对象必须提供一个next()方法，执行该方法要么返回迭代中的下一项，要么引起一个StopIteration异常，以终止迭代（只往后走，不能往前退----》模拟人更新换代）

2、可迭代对象：实现可迭代协议的对象。（对象内部定义一个__iter__()方法）

3、协议是一种约定，可迭代对象实现了可迭代协议，python的内部工具（如for sum max min...函数）使用迭代器协议访问对象。

for循环机制：

for循环的本质：循环所有对象，全部都使用迭代器协议。

for循环就是基于迭代器协议提供了一个统一的可遍历所有对象的方法，即在遍历之前，先调用对象的__iter__()方法将其转换为一个迭代器，然后使用迭代器协议去实现循环访问，这样所有对象都可以通过for循环来遍历了。

列表、字符串、元组、字典、集合、文件对象等本质上都不是可迭代对象，在使用for循环时内部先调用他们内部的__iter__方法，使它们变为一个可迭代对象，然后使用可迭代对象的next(可迭代对象)方法或者对象.__next__(),依次循环元素，当元素循环完时，会触发StopIteration异常，for循环会捕捉到这种异常，终止迭代。

访问方式：下标方式、迭代器协议、for循环：

# _*_ encoding:utf-8 _*_

__author__ = 'listen'

__date__ = '2018/11/19 22:10'

# li=[1,2,3,4,5] #通过下标索引方式取只试用于有序的列表元组字符串不适用无序字典集合

# print(li[0]) #1

# print(li[1]) #2

# print(li[2]) #3

迭代器协议：

#通过迭代器访问

# li=[1,2,3,4,5,6]

# iter_li=li.__iter__() #通过__iter__()方法生成一个可迭代对象

# print(iter_li.__next__()) #1 可迭代对象就有__next__()方法一个一个取值

# print(iter_li.__next__()) #2

# print(iter_li.__next__()) #3

# print(iter_li.__next__())

# print(iter_li.__next__())

# print(iter_li.__next__())

# print(iter_li.__next__()) #StopIteration，超出边界报错

for循环访问：

#for 循环访问的本质==遵循迭代器访问方式，先调用iter_l=li.__iter__()方法，然后依次执行iter_l.__next__(),直到for循环捕捉到StopIteration终止循环

# li=[1,2,3,4,5]

# for i in li:

# print(i)

#用while去模拟for循环做的事情

# li=[1,2,3,4,5]

# index=0

# while index<len(li):

# print(li[index])

# index+=1

#next()和__next__()方法是相同的

# li=[1,2,3]

# iter_li=li.__iter__()

# print(iter_li.__next__()) #1

# print(next(iter_li)) #2

生成器

定义：生成器类似于一种数据类型，这种数据类型自动实现迭代器协议（其他的数据类型都需要调用自身的__iter__方法），所以生成器就是可迭代对象。

1、生成器函数：和常规函数没什么区别，但使用yield语句返回结果而不是return，yield语句一次返回一个结果，但每个结果中间，挂起函数的状态，以便下次从它离开的地方继续执行。

2、生成器表达式：类似于列表推导式，但是生成器返回按需产生的结果的一个对象（类似内存的一个地址），而不是一次构建结果的列表，按需取对象。

使用生成器的优点：

python使用生成器对延迟操作提了支持。所谓延迟操作，是指需要的时候才产生结果，而不是立即产生结果，节省内存，运行效率高，这是生成器的主要好处。

生成器表达式和列表表达式

三元表达式：f=if取出的结果 if条件 else else结果

列表解析：s=[三元表达式]，列表解析生成的是一个真实存在的列表，对于比较大的列表，消耗内存比较大。

count=[x for x in range(3)]

生成器表达式1:s=(三元表达式)，区别于列表解析是 [] 到 ()

count=(x for x in range(3)) #生成器本身就是迭代器，遵循迭代器协议

#生成器----一种数据类型，这种数据类型自动实现迭代器协议（其他数据类型（字典 list tuple等等）都需要调用内置的__iter__()方法），所以生成器就是可迭代对象

#1、生成器函数 yield 代替return语句返回可以调用多次

# def fun():

# yield 1 #可迭代对象

# yield 2

# yield 3

# f=fun()

# print(f.__next__()) #1

# print(f.__next__()) #2

# print(f.__next__()) #3

# print(f.__next__()) ##执行只能一直往前走，不能往后，只能执行一次，执行完继续执行会触发StopIteration

#2、生成器表达式

#三元表达式 result=值1 if 条件 else 值2 列表表达式=[]是真实存在内存中的列表，对于大的列表特别消耗内存

# count=[x for x in range(3)] #三元表达式

# count=(x for x in range(3)) #生成器

# sum(x for x in range(3)) ##sum函数是Python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议，不用多此一举先生成列表

#鸡下蛋

laomuji=('鸡蛋%s'%i for i in range(9) if i<5)

print(laomuji) #<generator object <genexpr> at 0x00000221029D1C50> 这是一个可迭代对象就不会占用很大的内存

print(laomuji.__next__())

print(laomuji.__next__())

print(laomuji.__next__())

print(laomuji.__next__())

print(laomuji.__next__())

print(next(laomuji)) #StopIteration抛异常

生成器只能往后走，不能往前退，且只能执行一次。

# _*_ encoding:utf-8 _*_

__author__ = 'listen'

__date__ = '2018/11/20 21:14'

# #执行只能一直往前走，不能往后，只能执行一次

# def test():

# for i in range(4):

# yield i

# t=test()

# t1=(i for i in t)

# t2=(i for i in t1)

# print(list(t1)) #list（）就是在执行next方法 for也是在执行next方法 [0, 1, 2, 3]

# print(list(t2)) # [] t1的数据取完了，没有了，所以list（t2）为空