9/14 知识总结（迭代器与生成器为主）

一、迭代器总结

        迭代器主要就是一个迭代取值，另外一种取值方式就是索引(下标)取值

        迭代取值
         1. 不依赖于索引取值的一种取值方式
         2. 不能够重复取值，只能够从左往右固定取值
        索引取值
         1. 它能够重复取值(通过索引l[0])
         2. 它需要是容器类型

二、 生成器 

     2.1 背景

       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
      python中生成器是自定义迭代器的一种。

     2.2  生成器如何使用

          1.关键字：yield

          2.当函数中一旦出现了yield关键字，函数在没有被调用的时候仍然是普通函数，但是只要一调用函数，那么，该函数就不是普通函数了，就变成了生成器。

代码展示：

   

def index():
    print('from index')
    print('from index')
    print('from index')
    yield 123,234,345 # 以元组的方式返回
    print('second')
    print('second')
    print('second')
    print('second')
    yield 'hello'
    print('three')
    yield

res=index()  # res.__iter__()
print(res)  # <generator object index at 0x000002CDB20BEA50>

## 生成器其实就是一个自定义的迭代器
# res.__next__() # 只要你调用next方法，代码就会走到函数中第一个yield关键字所在的位置停住
# res.__next__() # 代码从上一次yield停住的地方继续往下执行，走到遇到下一个yield停住
print(res.__next__()) # None  123
print(res.__next__()) # None  123
print(res.__next__()) # None  123

 3.3 生成器练习题

  利用生成器的原理实现range函数的功能

    代码：

def my_range(start, stop=None, step=1):
    if not stop: # 意味着只传了一个参数，stop没有值
        stop = start
        start = 0
    while start < stop:
        yield start
        start+=step

3.4 生成器yield的其他用法

   

def eater(name):
    print('%s:正在吃...' % name)
    while True:
        food = yield
        print('%s正在吃%s' % (name, food))

'''eater就变成了生成器'''
res=eater('jerry') # 生成器对象：generator object
print(res) # <generator object eater at 0x0000021869489B30>
def eater(name):
    print('%s:正在吃...' % name)
    while True:
        food = yield
        print('%s正在吃%s' % (name, food))

'''eater就变成了生成器'''
res=eater('jerry') # 生成器对象：generator object
print(res) # <generator object eater at 0x0000021869489B30>

3.5 生成器表达式

列表生成式
res = [name for name in names_list]
print(res) # 就是一个列表

res1 = (name for name in names_list)
print(res1)
names_list = ['kevin', 'jerry', 'tony', 'oscar']
res1 = (name for name in names_list)
print(res1) # <generator object <genexpr> at 0x00000218F4569CF0>

print(res1.__next__())
print(res1.__next__())
print(res1.__next__())
print(res1.__next__())

"""生成器表达式如果不使用数据，就不给你数据"""

目的：就是为了节省内存空间 

3.6  yield和return的对比

yield
    1. 代码遇到yield不会停止，而是停住
    2. yield也可以有返回值，并且还支持多个，以元组的形式返回
    3. yield可以把一个函数变成生成器，next取值
    

return
    1. 代码遇到return就会停止
    2. return可以有返回值并且还支持多个，以元组的形式返回