Python 迭代器&生成器（day12）

#############迭代器与生成器################

-可迭代对象与迭代器

　　- 可迭代对象：像str,list,tuple,set,dict这样的数据类型，range

　　　　- 如何检测是否为可迭代对象：看功能中是否包含‘双下iter’  __iter__，如果含有就是可迭代对象

　　　　- 可迭代协议：数据类型和python解释器定下来的协议，只要包含了“双下iter”方法的数据类型就是可迭代的 —— 可迭代协议  

#方法一
print(dir('aaa'))           #其中包含   __iter__ 方法的就是可迭代对象     
#方法二
from collections import Iterable  #检测一个对象是否可迭代
print(isinstance('aaa',Iterable))      #True
print(isinstance(123,Iterable))       #False

　　- 迭代器：可迭代对象.__iter__()   就是迭代器，作用就是一个一个的从其中向外拿值

　　　　- 如何检测是否是迭代器：看功能中是否包含 __iter__和__next__这两个功能，如果含有就是迭代器

　　　　- 迭代器协议：迭代器中有 __next__ 和 __iter__方法 —— 迭代器协议

lst_iterator = [1,2,3].__iter__()
from collections import Iterator
print(isinstance(lst_iterator,Iterator))          #True
print(isinstance([1,2,3],Iterator))                #False

　　　　- 迭代器的方法：  __next__ ，   当迭代器中没有值往外拿是，继续__next__方法就会报错

#把迭代器赋值给一个变量，再操作变量进行.__next__()功能
lst_iterator = [1,2,3].__iter__()
print(lst_iterator.__next__())       #1
print(lst_iterator.__next__())       #2
print(lst_iterator.__next__())       #3


#直接操作迭代器.__next__()功能
lst_iterator = [1,2,3].__iter__()
print([1,2,3].__iter__().__next__())       #1
print([1,2,3].__iter__().__next__())       #1
print([1,2,3].__iter__().__next__())       #1

可以把[1,2,3].__iter__()看成一个函数，如果直接使用不赋值给变量，则每次都要重新调用函数

　　　　- 迭代器：有天生是迭代器，比如文件句柄   ；   有后天改造成的，可迭代对象.__iter__()

- for循环 可以循环可迭代对象，也可以循环迭代器
　　- 循环可迭代对象       每一个for循环都会从新开始

t=[1,2,3]
for i in t:
    print(i)   123
for i in t:
    print(i)   123

　　- 循环迭代器        若第一个for循环完，下一个for循环将不会循环到值

t=[1,2,3].__iter__()
for i in t:
    print(i)    123
for i in t:
    print(i)      

　　- for 循环的意义：

　　　　- 1.能够对python中的基本数据类型进行统一的遍历,不需要关心每一个值分别是什么

　　　　- 2.它可以节省内存 —— 惰性运算

- 生成器 ： 生成器就是迭代器   只是生成器是自己写成的迭代器

　　- 生成器函数：常规函数定义，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

　　-形式：一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，而是得到一个可迭代的对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。

def generator_func():  #生成器函数
    print(123)
      yield 'aaa'  
      print(456)
      yield 'bbb'

g = generator_func()
ret = g.__next__()        # 123
print(ret)                # 'aaa'
ret = g.__next__()        # 456
print(ret)                # 'bbb'

　　- 生成器与list(),tuple()

def generator_func():  
      yield 'aaa'   
      yield 'bbb'

g = generator_func()   
print(list(g))      #['aaa', 'bbb']

　　- 生成器与for循环

def generator_func():  #生成器函数
    yield 'aaa'   
    yield 'bbb'
g = generator_func()
for i in g:
    print('i : ',i)     #i:aaa
                         #i:bbb

def get_clothing():
    for cloth in range(1,200):
        yield '第%s件衣服'%cloth

generate = get_clothing()
print(generate.__next__())   #   1
print(generate.__next__())   #   2
print(generate.__next__())   #   3
for i in generate:
    print(i)                             #   4-199

##########

def get_clothing():
    for cloth in range(1,200):
        yield '第%s件衣服'%cloth
generate = get_clothing()
for i in range(9):
    print(generate.__next__())               #    1-9
for i in get_clothing():                
    print(i)                                            #   1-101
    if i == '第101件衣服':
        break

　　- 生成器的注意事项：

　　　　- 带yield关键字的函数就是生成器函数

　　　　- 生成器函数在执行的时候只返回一个生成器，不执行生成器函数中的内容

　　　　- 从生成器中取值　　

　　　　　　- __next__ 有几个yield就可以取几次

　　　　　　- for循环取值 正常取

　　　　　　- 其他数据类型进行强制转换 list(g) 返回一个列表，里面装着生成器中的所有内容

　　　　　　-注意：调用生成器函数的时候，要先获取生成器，再进行next取值

　　　　　　　　　生成器中的内容只能取一次，且按顺序取值没有回头路，取完为止。

 　　- yield from

def func():
    for i in [1,2,3]:
        yield i
    for j in 'ABC':
        yield j
g=func()
for i in g:
    print(i)    1,2,3,A,B,C

 

def func2():
    yield from [1,2,3]
    yield from 'q'
g = func2()
for i in func2():
    print(i)          1,2,3,q