day15生成器进阶

复习

可迭代对象：元组，列表，字典，字符串，集合，range  可以加__iter__的一类

迭代器 = 同时含有__iter__ + __next__方法的  文件句柄就是一个

生成器  ： 生成器就是迭代器 

生成器函数：函数中以yield结尾的

 　　　　　　作用：处理庞大的数据可以有限降低内存使用率。

生成器进阶

send 的用法，求取最近几天的平均数。

def average_func():
    average = 0
    count=0
    total = 0
    while True:
        value = yield average
        total += value
        count +=1
        average =total /count
g = average_func()
print(g.__next__())  #激活函数 
print (g.send(30))
print (g.send(40))

　　首先可以看到average_func函数是个生成器函数，虽然调用了g = average_func()函数但是不会执行，首先是打印的g.__next__（）函数可以调用函数返回一个值，此时已经激活函数，且在yield average处就绪，接着执行g.send（30），此时yield average变成30，也就是value=30，继续执行函数经过while循环到达 yield average，返回结果为30且在此处继续等待下次的执行命令。

进阶：

def wrapper(func):
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        g.__next__()
        return g
    return inner
@wrapper #average_func =wrapper(average_func)
def average_func():
    average = 0
    count=0
    total = 0
    while True:
        value = yield average。
        total += value
        count +=1
        average =total /count
g = average_func()
print (g.send(30))
print (g.send(40))

　　上面的是题目加上了一个“”生成器预激装饰器“”

首先是定义装饰器函数，经过@wrapper，也就是average_func=wrapper(average_func),先执行wrapper(average_func)函数，定义了一个inner（）函数且返回inner也就是average_func = inner，继续向下执行定义了生成器average_func()函数，向下执行到g =average_func()，因为average_func = inner所有调用了inner函数，执行inner函数，在函数中g就是一个生成器，执行g.__next__就执行了生成器函数，此时函数运行走到了yield average处，等待下次执行send运算，生成器函数执行结束，return 预激的生成器给定义的生成器函数。此时利用装饰器完成预激，g是生成器的对象，直接使用send 就可以了。

首先：send和next工作的起止位置是完全相同的
#      send可以把一个值作为信号量传递到函数中去
#      在生成器执行开始，只能先用next
#      只要用send传递参数的时候，必须在生成器中还有一个未被返回的yield