day13---迭代器和生成器

1. 迭代器

• 可迭代对象定义：内部含有__iter__方法的数据类型就是可迭代的，又叫做可迭代对象。

• 迭代器定义：内部含有__next__方法的可迭代对象就叫做迭代器。

• 过程：把迭代器当作一个容器，从容器中一个一个把值取出的过程就是迭代的过程

• 迭代器是可迭代对象多一个__next__方法

• 迭代器是可迭代对象的一部分

• 获取迭代器：可迭代对象调__iter__()

• 使用迭代器：迭代器__next__()

• 迭代器一定是可迭代对象，但是可迭代不一定是迭代器。

• 迭代器的特点：

  • 惰性运算

  • 从前到后一次去取值，过程不可逆，不可重复

  • 节省内存

• 判断是否是可迭代对象：

lst = [1, 2, 3]
# 方法一：
print('__iter__' in dir(lst))
# 方法二：
from collections import Iterable
print(isinstance(lst, Iterable))
>>>
True
True

• 判断是否是迭代器：

lst = [1, 2, 3]
lst_iter = lst.__iter__()
# 方法一：
print('__next__' in dir(lst_iter))
# 方法二：
from collections import Iterator
print(isinstance(lst_iter, Iterator))
>>>
True
True

• for循环就是依赖的迭代器，还有range()、enumerate()、文件操作f()等也是迭代器

• 使用迭代器取值，就不需要关心索引下表或者key的问题了

2. 生成器

• 自己编写的、自定义的迭代器就叫做生成器

• 生成器的本质就是迭代器

• 生成器的所有优点跟迭代器一样

• 生成器的实现方式：

  • 生成器函数

  • 生成器表达式

• 生成器函数和普通函数的区别：

  • 生成器函数中含有yield关键字

  • 生成器函数调用的时候不会立即执行，而是返回一个生成器

  • 生成器函数中print也不会立即执行

  • yield关键字不会终止函数的运行

3. 生成器的应用

• send可以给生成器传值

• 在生成器函数中，从哪个yield开始接着执行，就把值传给那个yield

• send不能用在第一个触发生成器

• 生成器函数中有多少个yield，就必须要有多少个__next__+send

• send和__next__的不同就是send可以传值，而__next__不能传值

• g.__next__还可以写成next(g)

• g.___next__还可以携程iter(g)

# 生成器监听文件输入的例子，类似于linux命令下的tail -f命令，用于动态查看文件内容
import time
def tail(filename):
        f = open(filename)
        f.seek(0, 2)
        while True:
            line = f.readline()
            if not line:
                time.sleep(0.1)
                continue
            yield line
g = tail('shell.txt')
for line in g:
        print(line)
>>>(此时一直处于死循环状态，文件如果有新增内容，终端会显示出来)

# 使用生成器计算平均值，类似于七日年化利率(利滚利的应用)
def averager():
        total = 0.0
        count = 0
        average = None
        while True:
            term = yield average
            total += term
            count += 1
            average = total/count
g = averager()
g.__next__()
print(g.send(20))
print(g.send(10))
print(g.send(30))
print(g.send(100))
print(g.send(240))
>>>
20.0
15.0
20.0
40.0
80.0

# 使用生成器的预激装饰器，实现平均值的计算
def wrapper(func):
        def inner():
            g = func()
            g.__next__()
            return g
        return inner
@wrapper
def averager():
        total = 0.0
        count = 0
        average = None
        while True:
            term = yield average
            total += term
            count += 1
            average = total/count
g = averager()
print(g.send(20))
print(g.send(10))
print(g.send(30))
print(g.send(100))
print(g.send(240))
>>>
20.0
15.0
20.0
40.0
80.0

4. 生成器进阶

生成器的触发执行方式有：next、send、for循环。其中next和send执行几次就取到生成器中的几个值，如果已经取到生成器中的最后一个值还接着运行，会报错；而for循环每次取一个值，直到取完为止，不会报错

# 使用生成器yield from分别取出A、B、C、D
def func():
        a = 'AB'
        b = 'CD'
        yield from a+b
g = func()
for i in g:
        print(i)
>>>
A
B
C
D

def func():
        yield from 'AB'
        yield from range(3)
print(list(func()))
>>>
['A', 'B', 0, 1, 2]