Day 3-6 生成器&迭代器

---恢复内容开始---

列表生成式：

 list = [i*i for i in range(20)]  # 这就是一个列表生成式
 print(list)
 # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100, 121, 144, 169, 196, 225, 256, 289, 324, 361]
 list1 = [i if i < 8 else i*i  for i in range(10,20)]   # 可以进行三元运算.
 print(list1)
 # [110, 132, 156, 182, 210, 240, 272, 306, 342, 380]

生成器：在Python中，这种一边循环一边计算的机制，称为生成器：generator。

特性：

1.只能往后面生成，不能返回到原来的值

2.超过生成范围后，会停止生成，并报错。

生成器的创建方式:

1.通过列表生成式来创建   (i for i in range(100)

2.通过函数来创建.

a = [i for i in range(10000)]   # 列表生成式
a2 = (i for i in range(10000))      # 这个就是一个生成器.但是怎么取数据呢?
print(a2)                       # 我们print(a2),发现返回的是一个内存地址.那我们可以用next(a2)的方法来取数据.

# 以下代码是在交互模式下进行的

a2 = (i for i in range(1000))
next(a2)
0
next(a2)
1
next(a2)
2
next(a2)
3

a3 = (i for i in range(5))

next(a3)
4
next(a3)
Traceback (most recent call last):
  File "<input>", line 1, in <module>
StopIteration

#我们手动调用的时候,调到最后一个的时候,再往下调就会出错.可以用for循环调用.就不会报错了
for i  in a3:
    print(i)

python2中 range=list

　　　　xrange = 生成器

python3 range =生成器

没有xrange　　

yield:

yield 和 return区别：

yield  返回数据，并冻结当前的执行过程。

return 返回并终止函数。

当调用next的时候，唤醒冻结的函数执行过程。直到遇到下一次yield。

函数有了yield之后：

1.函数名加（）就就得到了生成器。

2.return 在生成器里，代表生成器终止，直接报错。

def fblq(num):
    n, a, b = 0, 0, 1
    while n < num:
        print('我在yield之前.')
        yield b     #把函数的执行过程冻结在这一步,并把b返回给外面的next().
        print(b)
        a, b = b, a+b
        n +=1
    else:
        return 0

f = fblq(15)
next(f)
next(f)
next(f)
next(f)
# 有yield，函数调用时，不会执行。只是生成了一个生成器对象。

# 我在yield之前.
#
# 我在yield之前.
#
# 我在yield之前.
#
# 我在yield之前.

 # 函数的方式创建生成器

 def range1(n):
     count = 0
     while count <n:
         print(count)
         count +=1
         yield count   # 返回数据并冻结当前的执行状态.

 new = range1(10)
 next(new)
 next(new)
14 new.__next__()  # 和next(new)一样

Send方法:

 def range1(n):
     count = 0
     while count <n:
         print(count)
         count +=1
         singe = yield count   # 返回数据并冻结当前的执行状态.
         if singe == "stop":   # 当接收的信号是stop时,就退出循环.
             break

 new = range1(100)

 next(new)
 next(new)
 new.__next__()
 new.send("stop")        #send 唤醒生成器继续执行并发送一个信号.next只唤醒生成器继续执行

迭代器:

可以直接作用于for循环的数据类型有以下几种：

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。

判断一个对象是否是一个可迭代对象:

from collections import Iterable
li = [1,2,3,4,5,6,7,8,9,0]
print(isinstance(li,Iterable))  # 判断一个对象是否是可迭代对象.是返回Trure,否返回False 

可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

生成器可以用for和next来取值.可迭代对象只能用for进行迭代取值.

判断一个对象是否是Iterator对象:

from collections import Iterator

print(isinstance([],Iterator))  #  判断一个可迭代对象是不是一个迭代器
print(isinstance((i for i in range(100)), Iterator))  #  目前只有生成器是迭代器.迭代器的一个重要的标志就是可以next

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

from collections import Iterator

print(isinstance(iter([]),Iterator))  #  判断一个可迭代对象是不是一个迭代器
print(isinstance(iter("adfc"), Iterator))

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。