01---python可迭代对象 & 迭代器 & 生成器

Iterable vs Iterator vs Generator

• 集合数据类型: eg. str, list, dict, tuple, set等。 它们都是可迭代对象， 但不是迭代器。
  
• 可迭代对象(Iterable): 凡是可作用于 for循环 的对象都是可迭代对象。
  
• 迭代器(Iterator): 可被 next() 函数调用(或者可以调用魔法方法__next__() ), 并不断返回下一个值的对象。
  
• 可迭代对象可以通过 iter() 函数转换成迭代器。
  
• 生成器: 含有yield关键字的函数， 或者是生成器推导式生成
• 生成器一定是迭代器， 但迭代器不一定是生成器。
  

1 可迭代对象 vs 迭代器

1.1 可迭代对象Iterable

1. 迭代 是访问集合元素的一种方式， 从第一个元素开始， 到最后一个元素结束。 集合元素有 str、list、dict、tuple、set等。
   
2. 可作用于 for循环 的对象为可迭代对象。
   
3. 判断一个对象是否可以迭代的方法: 1)for循环 2)isinstance(obj, Iterable)
   

1.2 迭代器Iterator

1. 可以被**next()**函数调用(或者调用__next__()), 并不断返回下一个值的对象称为 迭代器
   
2. 判断一个对象是否是迭代器: 1)next(obj) 2)isinstance(obj, Iterator)
   

1.3 可迭代对象转化成迭代器-iter()

• 迭代器实现了__iter__() 方法， 可以使用 dir(obj) 查看obj对象可用的方法。
  
• iter() 函数可以将可迭代对象转换成迭代器

In [30]: isinstance(iter("abc"), Iterator)
Out[30]: True

In [31]: isinstance(iter([1, 2, 3]), Iterator)
Out[31]: True

1.4 迭代器应用场景

列表是一次性生成所有的元素， 但是实际上我们并不用一次使用列表里的所有元素。 当列表元素较多时， 占用的内存空间也较大。
可以使用 iter() 函数将其转换成迭代器。 当需要的时候， 生成一个对象。 这样可以减少内存空间的占用。

---

2 生成器

2.1 什么是生成器

在python中， 一边循环， 一边计算的机制，称为 生成器 generator。

2.2 创建生成器的方法

创建生成器的2种方法: 1) 生成器推导式 2) yield关键字

2.2.1 生成器推导式

• 生成器推导式: (x for x in range(10))
  
• 我们知道 列表推导式 的语法: [ x for x in range(10)], 返回一个列表
  ===> 生成器推导式就是把列表推导式里的"[ ]" 换成“( ) ” ， 返回一个生成器

# 列表推导式
In [56]: list1 = [x for x in range(10)]

In [57]: list1
Out[57]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

In [58]: type(list1)
Out[58]: list

# 生成器推导式
In [59]: gen2 = (x for x in range(10))

In [60]: gen2
Out[60]: <generator object <genexpr> at 0x7f5a078baaf0>

In [61]: gen2.__next__()
Out[61]: 0

In [62]: next(gen2)
Out[62]: 1

2.2.2 yield关键字

• 包含 yield 语句 的函数 都被称为 生成器。
• yield的2个作用: 让程序执行到 yield 的时候停下来， 返回 yield 后面表达式的值。

In [49]: def use_gen():
   ....:     i = 0
   ....:     while True:
   ....:         temp = yield i+2
   ....:         print("第%s次调用， temp=%s"%(i, temp))
   ....:         i += 1
   ....:         

In [50]: gen = use_gen()

In [51]: type(gen)
Out[51]: generator

In [52]: next(gen)
Out[52]: 2

• 工作原理: 当调用生成器函数时，每次执行到yield语句， 会将yield语句的表达式的结果返回给调用者， 同时生成器函数将会被挂起。 等到再次被调用的时候， 将从挂起的地方继续开始执行。
• 生成器可以生成多个值，每次返回一个， 直到遇到StopIteration异常才结束
• 判断一个对象是否是生成器的方法: 1) next(obj) 2) isinstance(obj, types.GeneratorType)
  

2.3 生成器的方法

2.3.1 send(obj)

• send() 方法接受外部传入的一个变量或值， 通过 yield 后面跟的表达式计算后， 返回计算结果。
  ps: 对于一个生成器, 第一次调用的时候，不能使用send()方法。 需要从第二次开始才使用send()方法。

第一次调用生成器，使用send()函数的结果如图所示:

2.3.2 throw(exception_name)

• 用于在生成器中， yield表达式处引发异常。 异常可以是系统定义的异常， 也可以是自定义异常。

2.3.3 close()

• 手动关闭生成器函数, 不需要传入参数。 手动关闭后， 后面的调用会直接返回StopIteration异常。

2.4 生成器和迭代器的关系

生成器一定是迭代器， 迭代器不一定是生成器。

2.5 生成器的应用举例

生成器可以实现协程:

  1 def test1():
  2     while True:
  3         print("******任务1******")
  4         yield None
  5 
  6 def test2():
  7     while True:
  8         print("******任务2******")
  9         yield None
 10 
 11 t1 = test1()
 12 t2 = test2()
 13 while True:
 14     t1.__next__()
 15     t2.__next__()