生成式、生成器、迭代器、json、pickl

1. 列表生成式

什么是列表生成式？

列表生成式，是Python内置的一种极其强大的生成list的表达式。现有列表

data = [1,2,3,4,5,6] 我们需要将列表中的数据都加1，之后再把列表打印出来，其中可以用

enumerate实现，如下；
for index,i in enumerate(data)
　　　　data[index] +=1
print(data)
res:[2, 3, 4, 5, 6, 7]这是不是看起来繁琐，还有一种版本可以更简洁

data= [i+1 for i in range(7)]
res:[2, 3, 4, 5, 6, 7]
这种看起来是不是简洁一些，这就是列表生成式。

2. 列表生成器

什么是列表生成器？边运算边生成，省空间，省内存

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，有时我们仅仅需要访问前面几个元素，而后面绝大多数元素占用的空间都白白浪费了。

so，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。

data = [1,2,3,4,5,6]
# for index,i in enumerate(data):
#     data[index]+=1
# print(data)

data = (i+1 if i >4 else i for i in data)

print(data)#目前打印出data它是一个生成器
res:<generator object <genexpr> at 0x1013817d8>

有人要问，怎么才能打印出genrator中的元素呢？可以通过next()函数获得generator的下一个返回值

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4

 generator保存的是算法，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。请看如下代码：

data = [1,2,3,4,5,6]
# for index,i in enumerate(data):
#     data[index]+=1
# print(data)

data = (i+1 if i >4 else i for i in data)
print(next(data))
print(next(data))
print(next(data))
print(next(data))
print(next(data))
print(next(data))
print(next(data))

res:/Library/Frameworks/Python.framework/Versions/3.5/bin/python3.5 /Users/zhangyalei/untitled/The_Five/生成器.py
Traceback (most recent call last):
1
  File "/Users/zhangyalei/untitled/The_Five/生成器.py", line 66, in <module>
2
3
    print(next(data))
4
StopIteration
6
7

Process finished with exit code 1

下面练习一下著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到

1, 1, 2, 3, 5, 8, 13, 21, 34,55,89,...

 def fb(num):

    conut = 0
    a,b = 0,1
    while conut < num:
        tmp = a
        a = b
        b = a +tmp
        print(a)
        conut +=1
    print("done...")
fb(10)#以下是结果

1
1
2
3
5
8
13
21
34
55
done...这就实现啦比较复杂的运算。现在我们把这变成一个生成器看下面代码

def fb(num):
    conut = 0
    a,b = 0,1
    while conut < num:
        tmp = a
        a = b
        b = a +tmp
        #print(a)
        conut +=1
        yield a#在没有加yield之前时这是一个函数，在加之后就是一个生成器了，在yield下面可以加return a ，return 是表明一个函数结束，but 加yield表示返回a不结束，返回给谁，谁在外面调用它就返回给谁；
    print("done...")
fb(10)#生成了一个生成器对象，就是代表推导式准备好了，随时可以处理数据的意思

l = fb(10)
#现在可以通过__next__()方法一直往下查，如下
l.__next__()
l.__next__()
print(l.__next__())#这是一个完整的生成器，

此时yield有两个好处；其中一个在上处体现，还有一个yield实现啦函数的中断，并且保存啦函数的中间执行状态

3.迭代器

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

　　在判断一组数据类型是否Iterable需要用到isinstance函数如下；

from collections import Iterable

>>> isinstance([],Iterable)

True

>>> isinstance({},Iterable)

True

>>> 

>>> isinstance('sb',Iterable)

True

>>> 

>>> 

>>> isinstance((s for s in range(10)),Iterable)

True

>>> 

>>> 

>>> isinstance(100,Iterable)

False

最后定义：可以被__next__()函数调用并且不断返回下一值的对象称为迭代器、Iterator

总结：可以用for循环的对象都是iterbale类型，可用__next__()函数的对象都是Iterator类型，集合数据类型，dict,list,str都是iterable对象，不是iterator，若想变成Iterator可以通过iter()函数变成Iterator。

4.json

#json现在有字典data
data ={
    'name':'zhangyalei',
    'age': 24,
    'sex':'M',
    'phone':13733208119
}
#现在想把它写到硬盘上所以现在创建一个文件data.txt
with open('data.txt','w') as F:
    F.write(data)
F.close()
Now Error:TypeError: write() argument must be str, not dict硬盘只识别二进制，所以不认识str
we could try:

with open('data.txt','w') as F:
    F.write(str(data))
F.close()
现在成功啦，在data.txt中有上面的那个字典信息啦，我们再打开

with open('data.txt','r') as f:
　　data = f.read()
print(data['age'])
抛出异常：TypeError: string indices must be integers现在我们通过eval将data.txt转成dict

with open('data.txt','r') as f:
　　data = eval(f.read())
print(data['age'])#Res 24;没有问题   把一个内存对象转换成字符串形式，就叫序列化；把一个字符串转换成内存对象就叫反序列化  为什么 要这么做？ 序列化的作用是将内存中的数据持久化对象。