python高级特性（生成器，迭代器）

生成器

我们使用列表生成式创建一个列表会受到内存限制，列表的容量是有限的。并且如果我们创建一个包含100万个元素的列表时，不仅占用很大的储存空间，而且在我们仅仅需要访问前几个元素的时候，后面的绝大部分元素占用的空间都会白白浪费掉。

创建生成器（generator）：这种一边循环一边计算的机制。我们就可以在循环的过程中不断推算出后续的元素，做到不创建完整的list，从而节省大量的空间。

第一种创建生成器的方法：把一个列表生成式的 [] 改为 () 创建了一个生成器

g = (x for x in range(100)) #创建生成器
for i in g :   #使用迭代来调用生成器
 print(i)
或者
print(next(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))

每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误 但是这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象。

所以我们创建了一个generator时基本上永远不会调用next()，而是通过for循环来迭代他，并且不需要关心StopIteration的错误。

第二种创建生成器的方法：
著名的斐波拉契数列（Fibonacci）：

def fib(n):
    a = 1
    b = 1
    while n:
        print(a)
        a,b = b,a+b
        n = n-1

要把fib函数变成generator，只需要把print(b)改为yield b就可以了

def fib(n):
    a = 1
    b = 1
    while n:
        yield a
        a,b = b,a+b
        n = n-1


for ii in fib(10):
    print(ii)

杨辉三角

def yanghui(n):#定义一个函数，函数参数为n
    list1=[1]
    for i in range(n):  # 循环确定杨辉三角列数
        yield list1  # 输出列表list1
        list2=[1]
        for j in range(len(list1)-1): # 循环确定list1的下标
            list2.append(list1[j]+list1[j+1])#将list1 中相邻两个下标对应的值相加后添加到list2中
        list2.append(1)#在list2的末尾添加元素1
        list1=list2#将list2的值赋予list1
for j in yanghui(10):
    print(j)

迭代器

可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

# from collections.abc import Iterable
# a=isinstance([],Iterable)
# print(a)
# b=isinstance('ABF', Iterable)
# print(b)
# c=isinstance(123,Iterable)
# print(c)
# d=isinstance((x for x in range(10)),Iterable)
# print(d)

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：Iterator

生成器都是迭代器（Iterator）对象，但list、dict、str虽然是可迭代对象Iterable，却不是迭代器Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

from collections.abc import Iterator
a = isinstance((x for x in range(10)), Iterator)
print(a)
b = isinstance([], Iterator)
print(b)
c = isinstance({}, Iterator)
print(c)
d = isinstance('abc', Iterator)
print(d)

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

from collections.abc import Iterator
a = isinstance(iter([]), Iterator)
print(a)
b = isinstance(iter('abc'), Iterator)
print(b)

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结
凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：