迭代器和生成器

迭代器和生成器

迭代器

迭代器是⼀个让程序员可以遍历⼀个容器（特别是列表）的对象。然⽽，⼀个迭代器在遍历并读取⼀个容器的数据元素时，并不会执⾏⼀个迭代
这⾥有三个部分
1.可迭代对象(Iterable)
2.迭代器(Iterator)
3.迭代(Iteration)

1.可迭代对象
⼀个可迭代对象是Python中任意的对象，只要它定义了可以返回⼀个迭代器的__iter__
⽅法，或者定义了可以⽀持下标索引的__getitem__⽅法
2.迭代器
⼀个迭代器是任意⼀个对象，只要它定义了⼀个next(Python2) 或者__next__⽅法。这就是⼀个迭代器。
3.迭代
⽤简单的话讲，它就是从某个地⽅（⽐如⼀个列表）取出⼀个元素的过程。当我们使⽤⼀
个循环来遍历某个东西时，这就叫⼀个迭代。它是这个过程本⾝的名字

⽣成器

⽣成器也是⼀种迭代器，但是你只能对其迭代⼀次。这是因为他们并没有把所有的值存在
内存中，⽽是在运⾏时⽣成值。你通过遍历来使⽤它们，要么⽤⼀个“for”循环，要么将它
们传递给任意可以进⾏迭代的函数和结构。⼤多数时候⽣成器是以函数来实现的。然⽽，
它们并不返回⼀个值，⽽是yield(暂且译作“⽣出”)⼀个值

例⼦：
def generator_function():
	for i in range(10):
		yield i
for item in generator_function():
	print(item)

下⾯是⼀个计算斐波那契数列的⽣成器

def fibon(n):
	a = b = 1
	for i in range(n):
	yield a
	a, b = b, a + b

for x in fibon(1000000):
print(x)

⽤这种⽅式，我们可以不⽤担⼼它会使⽤⼤量资源。然⽽，之前如果我们这样来实现的
话：

def fibon(n):
	a = b = 1
	result = []
	for i in range(n):
		result.append(a)
		a, b = b, a + b
	return result

这也许会在计算很⼤的输⼊参数时，⽤尽所有的资源。我们已经讨论过⽣成器使⽤⼀次迭
代，但我们并没有测试过。在测试前你需要再知道⼀个Python内置函数：next()。它允
许我们获取⼀个序列的下⼀个元素。

def generator_function():
	for i in range(3):
		yield i
gen = generator_function()
print(next(gen))
# Output: 0
print(next(gen))
# Output: 1
print(next(gen))
# Output: 2
print(next(gen))

# Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# StopIteratio

我们可以看到，在yield掉所有的值后，next()触发了⼀个StopIteration的异常。
基本上这个异常告诉我们，所有的值都已经被yield完了。for循环会⾃动捕捉到这个异常并
停⽌调⽤next()。
iter。它将根据⼀个可迭代对象返回⼀个迭代器对象

my_string = "Yasoob"
my_iter = iter(my_string)
next(my_iter)
# Output: 'Y'