python中的迭代器与生成器

迭代器

迭代器的引入

假如我现在有一个列表l=['a','b','c','d','e']，我想取列表中的内容，那么有几种方式?

1、通过索引取值 ，如了l[0],l[1]

2、通过for循环取值

 for i in l：
     print(i)#xxx

但你有没有想过，我们为什么可以使用for循环来取值？

for循环内部是怎么工作的呢？

迭代器

对于一个列表li=[1,2,3,4],我们可以通过这种方式来取值

 li=[,,,]
 for i in li:
     print(i)

但是如果把li换成li=1234呢

可以看到报出这样一行错误
TypeError: 'int' object is not iterable

这就引出了迭代（iterable）

　　什么叫迭代：

首先，我们从报错来分析，好像之所以1234不可以for循环，是因为它不可迭代。那么如果“可迭代”，就应该可以被for循环了。

这个我们知道呀，字符串、列表、元组、字典、集合都可以被for循环，说明他们都是可迭代的。

迭代就是我们刚刚说的，可以将某个数据集内的数据“一个挨着一个的取出来”，就叫做迭代。

　　可迭代协议

可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单，就是内部实现了__iter__方法。

我们来验证一下

 print(dir([,]))
 print(dir((,)))
 print(dir({:}))
 print(dir({,}))

 ['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
 ['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'count', 'index']
 ['__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'clear', 'copy', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']
 ['__and__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__iand__', '__init__', '__init_subclass__', '__ior__', '__isub__', '__iter__', '__ixor__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__or__', '__rand__', '__reduce__', '__reduce_ex__', '__repr__', '__ror__', '__rsub__', '__rxor__', '__setattr__', '__sizeof__', '__str__', '__sub__', '__subclasshook__', '__xor__', 'add', 'clear', 'copy', 'difference', 'difference_update', 'discard', 'intersection', 'intersection_update', 'isdisjoint', 'issubset', 'issuperset', 'pop', 'remove', 'symmetric_difference', 'symmetric_difference_update', 'union', 'update']

输出结果

总结一下我们现在所知道的：可以被for循环的都是可迭代的，要想可迭代，内部必须有一个__iter__方法。

接着分析，__iter__方法做了什么事情呢？

 print([,].__iter__())

 结果
 <list_iterator object at 0x1024784a8>

执行了list([1,2])的__iter__方法，我们好像得到了一个list_iterator，现在我们又得到了一个新名词——iterator，这便是迭代器

　　迭代器协议

'''
dir([,].__iter__())是列表迭代器中实现的所有方法，dir([,])是列表中实现的所有方法,都是以列表的形式返回给我们的，为了看的更清楚，我们分别把他们转换成集合，
然后取差集。
'''
#print(dir([,].__iter__()))
#print(dir([,]))
print(set(dir([,].__iter__()))-set(dir([,])))

结果：
{'__length_hint__', '__next__', '__setstate__'}

我们看到在列表迭代器中多了三个方法，那么这三个方法都分别做了什么事呢？

iter_l = [,,,,,].__iter__()
#获取迭代器中元素的长度
print(iter_l.__length_hint__())
#根据索引值指定从哪里开始迭代
print('*',iter_l.__setstate__())
#一个一个的取值
print('**',iter_l.__next__())
print('***',iter_l.__next__())

在for循环中，就是在内部调用了__next__方法才能取到一个一个的值。

那接下来我们就用迭代器的next方法来写一个不依赖for的遍历。

 l = [,,,]
 l_iter = l.__iter__()
 item = l_iter.__next__()
 print(item)
 item = l_iter.__next__()
 print(item)
 item = l_iter.__next__()
 print(item)
 item = l_iter.__next__()
 print(item)
 item = l_iter.__next__()
 print(item)

这是一段会报错的代码，如果我们一直取next取到迭代器里已经没有元素了，就会抛出一个异常StopIteration，告诉我们，列表中已经没有有效的元素了。

迭代器遵循迭代器协议：必须拥有__iter__方法和__next__方法。

最后我们来看看range()是个啥。首先，它肯定是一个可迭代的对象，但是它是否是一个迭代器？我们来测试一下

 print('__next__' in dir(range()))  #查看'__next__'是不是在range()方法执行之后内部是否有__next__
 print('__iter__' in dir(range()))  #查看'__next__'是不是在range()方法执行之后内部是否有__next__

 from collections import Iterator
 print(isinstance(range(),Iterator))  #验证range执行之后得到的结果不是一个迭代器

生成器

初识生成器

我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是可以节省内存。

如果在某些情况下，我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

Python中提供的生成器：

1.生成器函数：常规函数定义，但是，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

2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表

生成器Generator：

　　本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)

　　特点：惰性运算,开发者自定义

 import time
 def genrator_fun1():
     a =
     print('现在定义了a变量')
     yield a
     b =
     print('现在又定义了b变量')
     yield b

 g1 = genrator_fun1()
 print('g1 : ',g1)       #打印g1可以发现g1就是一个生成器
 print('-'*)   #我是华丽的分割线
 print(next(g1))
 time.sleep()   #sleep一秒看清执行过程
 print(next(g1))

生成器有什么好处呢？就是不会一下子在内存中生成太多数据

假如我想让工厂给学生做校服，生产2000000件衣服，我和工厂一说，工厂应该是先答应下来，然后再去生产，我可以一件一件的要，也可以根据学生一批一批的找工厂拿。
而不能是一说要生产2000000件衣服，工厂就先去做生产2000000件衣服，等回来做好了，学生都毕业了。。。

 #初识生成器二

 def produce():
     """生产衣服"""
     for i in range():
         yield "生产了第%s件衣服"%i

 product_g = produce()
 print(product_g.__next__()) #要一件衣服
 print(product_g.__next__()) #再要一件衣服
 print(product_g.__next__()) #再要一件衣服
 num =
 for i in product_g:         #要一批衣服，比如5件
     print(i)
     num +=
     if num == :
         break

 #到这里我们找工厂拿了8件衣服，我一共让我的生产函数(也就是produce生成器函数)生产2000000件衣服。
 #剩下的还有很多衣服，我们可以一直拿，也可以放着等想拿的时候再拿

初识生成器二

　　生成器应用：

 import time

 def tail(filename):
     f = open(filename)
     f.seek(, ) #从文件末尾算起
     while True:
         line = f.readline()  # 读取文件中新的文本行
         if not line:
             time.sleep(0.1)
             continue
         yield line

 tail_g = tail('tmp')
 for line in tail_g:
     print(line)

监听文件输入

　　send

 def generator():
     print()
     content = yield
     print('=======',content)
     print()
     yield2

 g = generator()
 ret = g.__next__()
 print('***',ret)
 ret = g.send('hello')   #send的效果和next一样
 print('***',ret)

 #send 获取下一个值的效果和next基本一致
 #只是在获取下一个值的时候，给上一yield的位置传递一个数据
 #使用send的注意事项
     # 第一次使用生成器的时候 是用next获取下一个值
     # 最后一个yield不能接受外部的值

移动平均值

 def init(func):  #在调用被装饰生成器函数的时候首先用next激活生成器
     def inner(*args,**kwargs):
         g = func(*args,**kwargs)
         next(g)
         return g
     return inner

 @init
 def averager():
     total = 0.0
     count =
     average = None
     while True:
         term = yield average
         total += term
         count +=
         average = total/count

 g_avg = averager()
 # next(g_avg)   在装饰器中执行了next方法
 print(g_avg.send())
 print(g_avg.send())
 print(g_avg.send())

计算移动平均值2

yield from

 def gen1():
     for c in 'AB':
         yield c
     for i in range():
         yield i

 print(list(gen1()))

 def gen2():
     yield from 'AB'
     yield from range()

 print(list(gen2()))