迭代器和生成器

迭代器

迭代器包含有next方法的实现，在正确的范围内返回期待的数据以及超出范围后能够抛出StopIteration的错误停止迭代
可以直接作用于for 循环的对象统称为可迭代对象：Iterable，例如集合数据类型，如list,tuple,dict,set,str等
一个实现了iter方法的对象是可迭代的，一个实现next方法并且是可迭代的对象是迭代器。可以使用isinstance()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

s='hello'     #字符串是可迭代对象，但不是迭代器
l=[1,2,3,4]     #列表是可迭代对象，但不是迭代器
t=(1,2,3)       #元组是可迭代对象，但不是迭代器
d={'a':1}        #字典是可迭代对象，但不是迭代器
set={1,2,3}     #集合是可迭代对象，但不是迭代器 
f=open('test.txt') #文件是可迭代对象，是迭代器

生成器

通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的，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
　　生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器
　　类似于列表解析，只需把列表解析式的[ ]换成( )就OK了

#列表生成式
lis = [x*x for x in range(10)]
print(lis)
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
#生成器
>>>generator_ex = (x*x for x in range(10))
>>>print(generator_ex)
generator object <genexpr> at 0x000002A4CBF9EBA0>
#可以通过next()函数获得下一个返回值
>>>print(next(generator_ex))
0
>>>print(next(generator_ex))
1
#也可以利用for循环打印
>>>for i in generator_ex: 
       print(i)
0
1
4
9
16
25
36
49
64
81

生成器函数

def create_counter(n):
    print("create_counter")
    while True:
        yield n
        print("increment n")
        n += 1
gen= create_counter(2)
print(gen)  #<generator object create_counter at 0x000001AD78F64AC8>
print(next(gen))  #create_counter
                  #2
print(next(gen))  #increment n
                  #3

函数是顺序执行的，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，执行完yield语句返回，再次被next（）调用时候从上次的返回yield语句之后继续执行，也就是用多少，取多少，不占内存
yield是一个类似return 的关键字，迭代一次遇到yield的时候就返回yield右面的值。而且下一次迭代的时候，从上一次迭代遇到的yield后面的代码开始执行