python可迭代，迭代器，生成器，装饰器

可迭代：是指可以使用for循环迭代的对象

可迭代（Iterable）:  常见的可迭代对象包括列表（list)，元组（tuple)，字典（dict），集合（set）生成器（generator）

列表：

my_list = [1,2,3,4,5]
for i in my_list:
    print(i)
#列表是可迭代的对象

元组：

my_tuple = (1,2,3,4,5)
for i in my_tuple:
    print(i)

字典

my_dict = {
    "value1":1,
    "value2":2
}
for k, v in my_dict.items():
    print(k, v)
#结果以键值对的形式输出 value1 1   value2 2

集合

my_set = {1,2,3,4,5}
for i in my_set:
    print(i)

迭代器（Iterator）：主要有两个方法__iter__()， __next__()

__iter__()返回迭代器对象本身

__next__()该方法返回迭代器中的下一个元素

自定义迭代器类：

class MyDatas:
    def __init__(self, n):
        self.datas = [i for i in range(1, n + 1)] #创建一个1-n的整数列表
        self.current_index = 0 #初始化当前索引为0

    def __iter__(self):
        return self  #返回迭代器自身，这里指的是MyDatas

    def __next__(self):
        if self.current_index >= len(self.datas): #判断索引长度是否超过列表
            raise IndexError("超出范围") #超出则抛出异常
        else:
            current = self.datas[self.current_index] #否则获取当前索引对应的元素
            self.current_index += 1 #更新索引，进行下一次迭代
            return current #返回当前索引的元素


md = MyDatas(5) #创建实例
print(next(md))#调用next函数，输出下一个元素
print(next(md))#接着上一次数次，继续调用next函数，输出
print(next(md))
print(next(md))
print(next(md))
print(next(md))

结果：前面五个next正常输出，第六个已经超出列表长度，抛出异常IndexError

生成器：yield是生成器的关键字，它可以在迭代过程中逐步返回值，而不是一次返回所有的值

下面通过在函数内部使用yield关键字定义了一个生成器函数，调用时，函数会在每个yeile语句处暂停并返回一个值，下次调用接着执行

def gen_func(x):
    for x in range(x):
        yield x
f=gen_func(5)
print(f) #<generator object gen_func at 0x0000019A1355D7E0>
print(next(f))# 0
print(next(f))# 1

装饰器：在不改变函数原来实现的基础上，为函数增加额外的功能

下面是一个随机生成1万个1-10万的随机数，并使用装饰器计算两个表所消耗的时间

使用原写法可以得到，但我们将它换成l更为方便的装饰器"@装饰器名"

datas = [random.randint(1, 100000) for i in range(10000)]
copy_datas = datas.copy()


def cost_time(f):
    def calc():
        start = time.time()
        f()
        print(f"生成的时间消耗为：{time.time() - start}")

    return calc

@cost_time
def my_fun1():
    datas.sort(reverse=True)
    print(datas)


# my_fun1 = cost_time(my_fun1) #原写法
my_fun1()

@cost_time
def my_fun2():
    new_datas = sorted(datas.copy(), reverse=True)
    print(new_datas)
# my_fun2 = cost_time(my_fun2) #原写法
my_fun2()