python基础(9)-迭代器&生成器函数&生成器进阶&推导式

迭代器

可迭代协议和迭代器协议

• 可迭代协议

  只要含有__iter__方法的对象都是可迭代的

• 迭代器协议

  内部含有__next__和__iter__方法的就是迭代器

• 关系

  1.可以被for循环的都是可迭代的

  2.可迭代的内部都有__iter__函数

  3.只要是迭代器,一定可迭代

  4.可迭代的对象使用__iter__方法就可以得到一个迭代器

  5.迭代器中的__next__方法可以一个一个的获取值

例子

• 判断是否是可迭代类型

  可以被for循环的类型都有__iter__()函数

  dir()函数可以返回类型里面所有函数名称

   print('__iter__' in dir(int))  # result:False
   print('__iter__' in dir(bool))  # result:False
   print('__iter__' in dir(list))  # result:True
   print('__iter__' in dir(dict))  # result:True
   print('__iter__' in dir(set))  # result:True
   print('__iter__' in dir(tuple))  # result:True
   print('__iter__' in dir(enumerate([])))  # result:True
   print('__iter__' in dir(range(1)))  # result:True

• 判断是否是迭代器

  isinstance()函数可以判断一个对象是否是指定类型的实例

  import collections
  
  print(isinstance([], collections.Iterator))  # result: False
  print(isinstance([], collections.Iterable))  # result: True
  print(isinstance([].__iter__(), collections.Iterator))  # result:True

• 通过__next__()函数取值

   num_list = [1, 2, True, 5, 'hello']
   print(type(num_list.__iter__()))  # result:<class 'list_iterator'>
   iterator = num_list.__iter__()
   print(iterator.__next__())  # result:1
   print(iterator.__next__())  # result:2
   print(iterator.__next__())  # result:True
   print(iterator.__next__())  # result:5
   print(iterator.__next__())  # result:hello
   print(iterator.__next__())  # 抛异常StopIteration

  当迭代器的next()方法取不到值时会抛一个StopIteration异常

迭代器的好处

1.从容器类型对象中一个一个的取值,会把所有的值都取到

2.节省内存空间(迭代器并不会在内存中再占用一大块内存,而是随着循环 每次生成(next())一个)

生成器函数

定义

只要含有yield关键字的函数都是生成器函数

　　 注:yield不能和return共用且需要写在函数内

例子

• 生成器函数的执行

  执行之后会得到一个生成器作为返回值

   import collections;
  
   def generator():
       yield 'a'
       yield 'b'
  
   result = generator()
   print(type(result))  # <class 'generator'>
   print(isinstance(result, collections.Iterable))  # True
   print(isinstance(result, collections.Iterator))  # True
   print(result.__next__())  # a
   print(result.__next__())  # b

  通过第10行可以看出,生成器也是迭代器

• 监听文件输入

   def listen(filename):
       f = open(filename, encoding='utf-8')
       while True:
           line = f.readline()
           if line.strip():
               yield line.strip()
  
   listenr = listen('generator_file.txt')
   for line in listenr:
       print('your input:', line)

  

生成器进阶

send()函数使用

生成器中send()函数可以让上一个执行的yied接收一个值

 def num_generator():
     i = 1
     num = yield i
     i += num
     yield i

 generator = num_generator()

移动平均数例子

 def avg_num():
     sum = 0
     count = 0
     avg = 0
     while True:
         num = yield avg
         sum += num
         count += 1
         avg = sum / count

 ave_generator = avg_num()
 ave_generator.__next__()
 print(ave_generator.send(10))  # 10.0
 print(ave_generator.send(20))  # 15.0
 print(ave_generator.send(30))  # 20.0
 print(ave_generator.send(60))  # 30.0

面试题

• 写出下面代码的输出内容

  def add(n, i):
      return n + i
  
  def test():
      for i in range(4):
          yield i
  
  g = test()
  for n in [1, 10]:
      g = (add(n, i) for i in g)
  print(list(g))

• 分析&结果

    # 循环可拆成如下代码
    n = 1
    g = (add(n, i) for i in g)
    n = 10
    # g = (add(n, i) for i in g(指向第3行的g))
    # g = (add(n, i) for i in (add(n, i) for i in g(第三行的g指向test())))
    g = (add(n, i) for i in (add(n, i) for i in test()))
    # 真正执行的时候 也就是list(g)的时候 n=10 将n替换为10结果如下:
    g = (add(10, i) for i in (add(10, i) for i in (0, 1, 2, 3)))
    g = (add(10, i) for i in (10, 11, 12, 13))
    g = (20, 21, 22, 23)
    print(list(g))

推导式

列表

 num_list = [1, 2, 3, 4]
 str_list = ['数字{}'.format(i) for i in num_list]
 print(str_list)  # ['数字1', '数字2', '数字3', '数字4']

字典

反转dic的key和value的顺序

dic = {1: 'a', 2: 'b', 3: 'c'}
reverse_dic = {dic[key]: key for key in dic}
print(reverse_dic)  # {'a': 1, 'b': 2, 'c': 3}

集合

输出集合中元组里面大于10的元素

 num_set = {(3, 4, 1, 5, 77, 5), (2, 3, 4, 56, 77, 6, 34)};
 result_set = {i for lst in num_set for i in lst if i > 10}
 print(result_set)  # {56, 34, 77}