python notice9 迭代器和生产器
一、迭代器
可以进行for循环的都是可迭代对象，常见的可迭代对象：str、list、tuple、dict、set、range、f（文件），它们都遵循可迭代协议。
s = "小黑人" for el in s: print(el)
Iterable:可迭代对象，内部包含__iter__()函数。
Iterator:迭代器，内部包含__iter__同时还包含__next__()。
想要查看某数据类型是否为可迭代对象或者迭代器，可以通过dir()函数查看时候包含__iter__或者__iter__和__next()__。
通过__iter__()可以获取到对象的迭代器，使用迭代器中的__next__()来获取迭代器中的元素。
s = "小黑人" c = s.__iter__() #获取迭代器 print(c.__next__()) #使用迭代器进行迭代，获取一个元素，小 print(c.__next__()) #黑 print(c.__next__()) #人 print(c.__next__()) #StopIteration
迭代器特点：
1.节省内存。
2.惰性机制。
3.只能向下执行，不能反复。
补充：for循环机制
s = "小黑人" c = s.__iter__() while True: try: i = c.__next__() print(i) except StopIteration: break
二、生成器
生成器实质就是迭代器。获取生成器有三种方法：生成器函数、推导式获取生成器、通过数据转换获取生成器。
1.生成器函数
def func(): print("小黑人") yield 114 #把函数中return改成yield，这个函数就是生成器函数 print("小黑人不黑") yield 3114 #原来时0114，但是会报错，0不能打头，语法不支持。 ret = func() print(ret) ss = ret.__next__() print(ss) ss = ret.__next__() print(ss) 结果：<generator object func at 0x0000027203D4A2A0> 小黑人 114
小黑人不黑
3114
注：执行这个函数时，就不是函数的执行，而是获取这个生成器。生成器本质时迭代器，可以通过__next__()来执行生成器。
yield和return效果一样，遇到return是直接停止执行函数，而yield是分段来执行一个函数(当内容多时，一次性全部输出，会占大量内存；而用yield时，next一此就输出一个，不占内存)。当程序运行完最后一个yield，后面继续进行__next__()时程序会报错。
生成器也可以用for循环获取内部元素。因为生成器就是迭代器，迭代器为可迭代对象，故可以进行for循环。
补充send：
1.send()和__next__()一样，都可以让生成器执行到下一个yield；
2.send可以给上一个yield的位置传递值，但不能给最后一个yield传值，同时在第一次执行生成器代码时不能使用send()。
def func(): print("小黑人") a = yield 114 #把函数中return改成yield，这个函数就是生成器函数 print("a=",a) yield 3114 #原来时0114，但是会报错，0不能打头，语法不支持。 ret = func() ss = ret.__next__() print(ss) ss = ret.send("小黑人不黑") print(ss) 结果： 小黑人 114 a= 小黑人不黑 3114
2.生成器表达式
列表、字典、集合都有推导式，元组没有推导式。
列表推导式：[结果 fof 变量 in 可迭代对象 if 筛选]
字典推导式：{结果 fof 变量 in 可迭代对象 if 筛选} 结果：key:value
集合推导式：{结果 fof 变量 in 可迭代对象 if 筛选} 结果：key
eg：列表推导式：list = [结果 for in 可迭代对象 if 条件]
lst = ["小黑人%s" % i for i in range3)] print(lst) 结果： ['小黑人0', '小黑人1', '小黑人2']
列表推导式代码简单，但是出现错误之后不易排查。
生成器表达式和列表推导式语法一样，只是把[]换成()。
lst =("小黑人%s" % i for i in range(0)) print(lst) 结果： <generator object <genexpr> at 0x0000017602B9A2A0>
生成器表达式和列表推导式区别：
1.列表推导式比较耗内存，一次性加载，生成器表达式几乎不占内存，使用时才分配和使用内存。
2.得到的值不一样。列表推导式得到的是一个列表，生成器表达式获取的是一个生成器。
注：生成器有惰性机制：生成器只有在方位的时候才有值。说白了，找它要才会给值，不找它要，它是不会执行的。
def func(): print(111) yield 222 g = func() #生成器g g1 = (for i in g) #生成器g1，但是g1的数据来源于g g2 = for i in g1) #生成器g2，但是g2的数据来源于g1 print(list(g)) #获取g中的数据，这时func()才会被执行，打印111，获取222，g完毕 print(list(g1)) #获取g1中的数据，g1的数据来源是g，但g已经取完，没有数据了。 print(list(g2)) #和g1相同
测试题
def add(a,b): return a + b def test(): for r_i in range(4): yield r_i g = test() for n in [2,10]: g = (add(n,i) for i in g) ''' 展开一层：g = (add(n,i) for i in add(n,i) for i in g), 展开第二层：g = (add(n,i) for i in add(n,i) for i in test()), 两个n在取值时不可能不同，取值时为10。 ''' print(g) print(list(g)) #惰性机制，不到最后不会拿值。 结果： <generator object <genexpr> at 0x000001C5C0C6A408> [20, 21, 22, 23]
