5.3 Python高级特性之-列表生成式、生成器、迭代器

一、 列表生成式

是Python内置的非常简单却强大的可以用来创建list的生成式
具体可根据如下案例理解，且代码也是可用的

""" 1、 生成[0,1,2,3,4,5,6]这样列表 """
print(list(range(0, 7)))
""" 2、 生成[0，1，4，9，16，25]的列表， 即：0*0,1*1,2*2.....5*5 """
# 1) 基本方法-繁琐方法
list1 = list()
for one in range(0, 6):
    list1.append(one * one)
# 2） 列表表达式-简化方式
list1 = [one * one for one in range(0, 6)]
print(list1)
"""3、【if判断】获取1到20之间的属于偶数的正整数"""
list2 = [x for x in range(1, 21) if x % 2 == 0]
print(list2)
"""4、【双for循环】遍历两列表，并逐一组合条件"""
M, N = ["A1", "B1", "C1"], ["M", "N", "C1"]
list3 = [f"{m}+{n}" for m in M for n in N if m != n]  
list4 = [f"{m}+{n}" if m != n else m for m in M for n in N]  # 如果有else条件， if 和else逻辑均在for前
print(list3)
print(list4)
"""5、【遍历dict】提取用户信息，并列表存储，元素=  属性=属性值"""
student1 = {"name": "Lujier", "sex": "Female", "height": 1.65, "hair": "long"}
stu_info_list = [f"{stu_key}={stu_value}" for stu_key, stu_value in student1.items()]
print(stu_info_list)

二、 生成器

   通过学习列表表达式， 我们能够快速创建列表，但是：列表容量是有限的， 如果想要创建大数量的列表，会占用很大的内存空间，，但有时候我们并不是所
 有元素都会去访问，相当于可能会浪费空间。 故而便有了“生成器”
（generator）这样的概念， 可以在循环的过程中不断推算出后续的元素，这样
就无需直接创建完整的list，就节省了大量空间， 至于如何创建生成器&生成器
元素访问， 可根据下方截图案例自行尝试。
[关键字] 惰性计算的序列、next()

# 1、 基本内容
L = [x * x for x in range(5)]
# print(L)
g = (x * x for x in range(5))
print(g)
# 通过next()函数获得generator的下一个返回值
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
# 无元素可访问，会报错StopIteration
print(next(g))

for one in g:
   print(one)

#2、 经典案例-斐波拉契
# [普通实现]斐波拉契数列用列表生成式-前n个数
def fibonacci_sequence(num):
    n, current_before, current = 1, 0, 1
    while n < num + 1:
        print(current)
        n, current_before, current = n + 1, current, current_before + current

# [生成器]斐波拉契数列
def fib(num):
    n, current_before, current = 1, 0, 1
    while n < num + 1:
        yield current
        n, current_before, current = n + 1, current, current_before + current

fibonacci_sequence(7)
print(fib(7))
mm = fib(7)
print(next(mm))
print(next(mm))

# 3、经典案例3-杨辉三角
def triangles(top_num):
    n, before, current = 2, [1], [1, 1]
    while n < top_num + 1:
        yield before
        n, before = n + 1, current
        current = [1] + [current[index] + current[index + 

三、 迭代器

基础理解：
一、 可被for循环的数据类型有：
   1、 【基础数据类型】 list、tuple、str、dict、set
   2、   generator： 包含生成器和生成器函数（yield）

二、 可迭代对象（Iterable）概念
   可以直接用for循环的对象统称为可迭代对象
   可以用isinstance（）判断是否是可迭代对象，具体如下：
  
      from collections.abc import Iterable
      aaa = triangles(7)
       print(isinstance(aaa, Iterable)) # 结果返回true
  
三、 迭代器（Iterator）概念：
     迭代器：  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
     生成器：  可以作用于for循环，还可以next返回下一个值，直到越界抛出StopIteration

 四、生成器、迭代器区别
  生成器都是：迭代器
  可迭代对象不一定是迭代器： 如： list、dict、str
  对于是可迭代对象的类型但又不是迭代器，那么其实是可以转化的： iter()函数
【注】 以上所有内容见如下代码案例：

1、 判断是否为迭代器

2、可迭代对象但非迭代器next()

3、 iter（）函数转化为迭代器

4、 for 循环遍历–原理同next()