2020/11/3 迭代器/生成器yield/斐波那契

如何理解迭代对象迭代器以及迭代协议： Iterable Iterator

1、可迭代对象和迭代器：
可迭代的对象有个 iter 方法，每次都实例化一个新的迭代器；而迭代器要实现 next 方法，返回单个元素，此外还要实现 iter 方法，返回迭代器本身
可迭代的对象一定不能是自身的迭代器。也就是说，可迭代的对象必须实现
iter 方法，但不能实现 next 方法。
2、迭代器：
迭代器是这样的对象：实现了无参数的 next 方法，返回序列中的下一个元素；如果没有元素了，那么抛出 StopIteration 异常。 Python 中的迭代器还实现了__iter__ 方法，因此迭代器可以迭代。
3、序列可以迭代原因：
iter 函数：解释器需要迭代对象X时，会自动调用iter(X)。
4、 内置iter函数作用
1、检查对象是否实现了__iter__方法，如果实现就调用，获取一个迭代器。
2、如果没有实现__iter__，但是有__getitem__方法，Python会创建一个迭代器，尝试按顺序从索引0开始获取元素。
3、如果尝试失败抛出TypeError异常
5、理解迭代协议
Python 迭代协议要求一个 iter() 方法返回一个特殊的迭代器，这个迭代器实现了 next()　方法，并通过 StopIteration异常标识迭代完成。

判断对象是否是可迭代对象

迭代器

*

斐波那契数列*

返回结果为：0 1 1 2 3 5 8 13 21 34

生成器

1.创建生成器方法1：只要把一个列表生成式的 [ ] 改成 ( )
生成器(generator)其实是一类特殊的迭代器。前面博客我们每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，python就搞了个生成器。所以说生成器(generator)其实是一类特殊的迭代器。
遍历生成器内容


2.创建生成器方法2:使用yield函数创建生成器。

生成器使用总结：

1. 1.生成器的好处是可以一边循环一边进行计算，不用一下子就生成一个很大的集合，占用内存空间。生成器的使用节省内存空间。
   2.生成器保存的是算法，而列表保存的计算后的内容，所以同样内容的话生成器占用内存小，而列表占用内存大。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 的异常。
   3.使用for 循环来遍历生成器内容，因为生成器也是可迭代对象。通过 for 循环来迭代它，不需要关心 StopIteration 异常。但是用for循环调用generator时，得不到generator的return语句的返回值。如果想要拿到返回值，必须用next()方法，且捕获StopIteration错误，返回值包含在StopIteration的value中。
   4.在 Python 中，使用了 yield 的函数都可被称为生成器（generator）。生成器是一个返回迭代器的函数，只能用于迭代操作。更简单点理解生成器就是一个迭代器。
   5.一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用
   next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield
   语句就会中断，保存当前所有的运行信息，并返回一个迭代值，下次执行next() 方法时从 yield
   的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield
   返回当前的迭代值。生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造中的位置

。