Day12 Python基础之生成器、迭代器(高级函数)（十）

https://www.cnblogs.com/yuanchenqi/articles/5769491.html

1. 列表生成式

我现在有个需求，看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],我要求你把列表里的每个值加三次方，你怎么实现？你可能会想到2种方式

 a=[0,1,2,3,4,5,6,7,8,9]
 b=[]
 for i in a:
     b.append(i+1)
 a=b
 print(a)

普通版本

 a=map(lambda x:x+1,range(10))
 print(a,type(a))
 for i in a:
     print(i)

 输出结果：
 <map object at 0x0272A4D0> <class 'map'>
 1
 2
 3
 4
 5
 6
 7
 8
 9
 10

文艺版本

 （1）
 t=[0,1]
 a,b=t
 print(a)
 print(b)
 输出结果：
 0
 1
 （2）
 t=[0,1,2]
 a,b=t
 print(a)
 print(b)
 输出结果：
 ValueError: too many values to unpack (expected 2)
 （3）
 t=[0,1]
 a,b,cc=t
 print(a)
 print(b)
 print(c)
 输出结果：
 ValueError: not enough values to unpack (expected 3, got 2)

小知识点

 def f(n):
     return n**3
 a=[f(x) for x in range(10)]
 print(a,type(a))

 等价于
 a=[x**3 for x in range(10)]
 print(a,type(a))
 输出结果：
 [0, 1, 8, 27, 64, 125, 216, 343, 512, 729] <class 'list'>

装逼版本

2. 生成器（generator）

生成器的创建方式有两种：（）和yield

 a=(x**3  for x in range(10))
 print(a,type(a))

 等价于
 def f(n):
     return n**3
 a=(f(x) for x in range(10))
 print(a,type(a))

 输出结果：
 <generator object <genexpr> at 0x02DC34B0> <class 'generator'>

简单生成器之（）生成演示

生成器数据类型的变量指向的内存地址，根本就没有任何数据在内存中，也没有存储在任何地方。

（类比理解：列表是将数据存储在变量指向的内存空间的，这就相当于你冰箱里面放了十道菜，你想吃哪个就去拿，这是占用一定的空间的，为了解决这个问题，我们有了生成器，就好比你拥有了一个有脾气的厨师，让厨师给你现做现吃，做哪个你就吃哪个好了，在生成器s中可以用生成器内置方法s.__next__()或者python内置函数next(s)这个方法按顺序生成值，这取决于你生成器的本身的特性。建议使用next（s））

生成生成器对象里面的值

 a=(x*2 for x in range(10))
 print(a,type(a))
 print(a.__next__())
 print(next(a))
 print(next(a))
 print(next(a))
 输出结果：
 <generator object <genexpr> at 0x028B34B0> <class 'generator'>
 0
 2
 4
 6

next（）生成值

注：生成器就是一个可迭代对象，迭代器也是可迭代对象

 a=(x*2 for x in range(4))
 print(a,type(a))

 for i in a:
     print(i)

 输出结果：
 0
 2
 4
 6

遍历生成器

注：（1）for循环可遍历可迭代对象，有__iter__方法的都是可迭代对象内部的方法，iter（）是内置函数

（2）for循环遍历可迭代对象的三个步骤：

• • • 调用可迭代对象的iter方法，返回一个迭代器对象
    • 不断调用迭代器的next方法
    • 处理stopiteration异常

while：

try：

i=next(generator)　

except StopIteration

break　

（3）当内存中的数据，没有变量引用的时候（即没有变量指向该内存地址），该数据就会被python的解释器当垃圾清除掉

这样就算遍历生成器，也不会占用大量内存，因为i的指向一直在更新，没有被引用的数据就会被清除

 def f():
     print('Hello')
     yield  1
     print('Ok')
     yield  2
 g=f()
 print(g,type(g))
 输出结果：
 <generator object f at 0x033634B0> <class 'generator'>

简单生成器之yield生成演示

注：没有yield就是普通的函数，有yeild，定义的函数f()就是一个生成器对象,有几个yield就相当于几道菜。

生成生成器对象里面的值

 def f():
     print('Hello')
     yield  1
     print('Ok')
     yield  2
 g=f()
 next(g)
 next(g)
 输出结果：
 Hello
 Ok

next（）

注：

（1）每调用一次next（g），就执行一遍g函数，以yield为结束点，返回1（相当于return结束函数的运行），再执行一遍next（g）,以上次的结束点为起点，继续执行g函数，并返回2

（2）可通过yield实现在单线程的情况下实现并发运算的效果，即伪并发，CPU切换速度特别快，以至于我们不觉得有切换这一过程

 def f():
     print('Hello')
     yield  1
     print('Ok')
     yield  2
 g=f()

 for i in g:
     print(i)
 输出结果：
 Hello
 1
 Ok
 2

for循环遍历生成对象

注：for循环遍历生成对象g，以yield结束标志执行函数内容，并打印出了yield返回值

 def fibo(N):
     Max=N
     n,before,after=0,0,1
     while n<Max:
         # print(after)
         yield after
         before,after=after,before+after
         n+=1
 g=fibo(8)
 # print(next(g))
 # print(next(g))
 # print(next(g))
 for i in g:
     print(i)

yield生成斐波那契数列

生成器对象的send方法

 def fibo(N):
     Max=N
     n,before,after=0,0,1
     while n<Max:
         # print(after)
         count=yield after
         print(count)
         before,after=after,before+after
         n+=1
 g=fibo(8)

 g.send(None)    #相当于next(g)，先进入生成器对象，遇到yield，返回after后结束
 g.send('eee')   #从上一次结束点开始，继续程序，将send的参数赋值给count，继续执行后面的语句，直到再次遇到yield
 输出结果：
 eee

send方法传参数

注：进入生成器后（next，send（None））再能send传参数

3. 迭代器（iterator）

生成器都是迭代器，迭代器不一定是生成器；

可迭代对象（Iterable）不一定是迭代器(Iterator)，通过iter方法可以把可迭代对象变成迭代器（迭代器对象），这是因为可迭代对象里面有__iter__方法。

什么是迭代器：需要满足两个条件：（1）有iter方法（2）有next方法

 from collections import Iterable,Iterator
 d=[1,2,3,4,5,6]
 a=iter(d)
 print(a,type(a))
 # print(next(a))
 # # print(next(a))
 # for i in a:
 #     print(i)
 print(isinstance(d,Iterable))    #判断d是不是可迭代对象
 print(isinstance(d,list))    #判断d是不是列表
 print(isinstance(d,Iterate))    #判断的是不是迭代器

迭代器