python基础15上_迭代器_生成器

# 迭代器和生成器
# 迭代器：
# 双下方法 ： 很少直接调用的方法。一般情况下，是通过其他语法触发的
# 可迭代的 —— 可迭代协议 含有__iter__的方法('__iter__' in dir(数据))
# 可迭代的一定可以被for循环
# 迭代器协议: 含有__iter__和__next__方法
# 迭代器一定可迭代，可迭代的通过调用iter()方法就能得到一个迭代器
# 迭代器的特点：
    # 很方便使用，且只能取所有的数据取一次
    # 节省内存空间
 
# 生成器
# 生成器的本质就是迭代器
# 生成器的表现形式
    # 生成器函数
    # 生成器表达式
# 生成器函数：
    #含有yield关键字的函数就是生成器函数
    #特点：
        #调用函数的之后函数不执行，返回一个生成器
        #每次调用next方法的时候会取到一个值
        #直到取完最后一个，在执行next会报错

#!/usr/bin/env python
# coding:utf-8
 
# 迭代器即迭代的工具，那什么是迭代呢？
# 迭代是一个重复的过程，每次重复即一次迭代，并且每次迭代的结果都是下一次迭代的初始值
# while True:  # 只是单纯地重复，因而不是迭代
#     print('===>')
 
l = [1, 2, 3]
count = 0
while count < len(l):  # 迭代
    print(l[count])
    count += 1
 
### for 循环就是基于迭代器协议去工作。
# a = l.__iter__() # 转为可迭代对象
# print(a.__next__()) # 使用可迭代对象的next方法
# print(a.__next__())
# print(a.__next__())
 
# for i in l:
#     print(i)
 
indx = 0
while indx < len(l):
    print(l[indx])
    indx += 1
 
'''
#1、为何要有迭代器？
对于序列类型：字符串、列表、元组，我们可以使用索引的方式迭代取出其包含的元素。
但对于字典、集合、文件等类型是没有索引的，若还想取出其内部包含的元素，则必须找出一种不依赖于索引的迭代方式，这就是迭代器
 
#2、什么是可迭代对象？
可迭代对象指的是内置有__iter__方法的对象，即obj.__iter__，如下
'hello'.__iter__
(1,2,3).__iter__
[1,2,3].__iter__
{'a':1}.__iter__
{'a','b'}.__iter__
open('a.txt').__iter__
 
#3、什么是迭代器对象？
可迭代对象执行obj.__iter__()得到的结果就是迭代器对象
而迭代器对象指的是即内置有__iter__又内置有__next__方法的对象
 
文件类型是迭代器对象
open('a.txt').__iter__()
open('a.txt').__next__()
 
#4、注意：
迭代器对象一定是可迭代对象，而可迭代对象不一定是迭代器对象
'''
 
dic = {'a': 11, 'b': 22, 'c': 33}
iter_dic = dic.__iter__()  # 得到迭代器对象，迭代器对象即有__iter__又有__next__，但是：迭代器.__iter__()得到的仍然是迭代器本身
iter_dic.__iter__() is iter_dic  # True
# print(iter_dic.__iter__() is iter_dic)  # True
 
"""
print(iter_dic.__next__())  # 等同于next(iter_dic)
print(iter_dic.__next__())  # 等同于next(iter_dic)
print(iter_dic.__next__())  # 等同于next(iter_dic)
# print(iter_dic.__next__()) #抛出异常StopIteration，或者说结束标志
 
# 有了迭代器，我们就可以不依赖索引迭代取值了
"""
iter_dic = dic.__iter__()
while 1:
    try:
        k = next(iter_dic)
        print(dic[k])
    except StopIteration:
        break
 
# 这么写太丑陋了，需要我们自己捕捉异常，控制next，python这么牛逼，能不能帮我解决呢？能，请看 for 循环
 
#基于for循环，我们可以完全不再依赖索引去取值了
dic={'a':111,'b':222,'c':333}
for k in dic:
    print(dic[k])
 
'''
#for循环的工作原理
#1：执行in后对象的dic.__iter__()方法，得到一个迭代器对象iter_dic
#2: 执行next(iter_dic),将得到的值赋值给k,然后执行循环体代码
#3: 重复过程2，直到捕捉到异常StopIteration,结束循环
'''

#!/usr/bin/env python
# coding:utf-8
 
# 生成器函数， 函数内部有yield ,保留函数的生成状态
def test():
    yield 1
    yield 2
    yield 3 # 相当于return,但是却可以多次
g = test()
print(g)
print(g.__next__()) #
print(g.__next__()) #
 
### 三元操作符
name = 'alex'
res = 'sb' if name =='alex' else 'kkk'
print(res)
 
### 列表解析l
# egg_list=[]
# for i in range(10):
#     egg_list.append('鸡蛋%s' %i)
# print(egg_list)
 
lis = ['鸡蛋%s' %i for i in range(10)] # 等同于上面的过程。
lis2 = ['鸡蛋%s' %i for i in range(20) if i >10]
lis3 = ['鸡蛋%s' %i for i in range(10) if i > 5] #
print(lis)
print(lis2)
print(lis3)
 
## 例:找到嵌套列表中名字含有两个'e'的所有名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
 
list3 = [name  for lst in names  for name in lst  if name.count('e') >= 2]
print(list3)
 
## 生成器表达式
## 优点：省内存，一次只产生一个值在内存中 因为生成器表达式是基于迭代器 __next__ 方法取值 .
## 把列表推导式的 [] 换成 () 就是生成器表达式
lise = ('鸡蛋%s' %i for i in range(10))
print(lise)
print(lise.__next__())
print(lise.__next__())
print(next(lise))  # next 就是调用了内置的 __next__
 
# sum 里面可以直接写生成器表达式,因为就是调用了可迭代对象的__next__
print(sum(i for i in range(10000001))) # 一千万

#!/usr/bin/env python
# coding:utf-8
 
import time
 
def test():
    print('start 1st...')
    yield 'first generation.' # 遇到yield就返回结果，并保留运行状态。
    time.sleep(3)
    print('start 2nd___')
    yield  'second generation..'
    time.sleep(3)
    print('start 3rd')
    yield  'third generation...'
 
a = test()
print(a.__next__()) # 遇到yield就返回结果，并保留运行状态。
print(a.__next__()) # 继续上次的运行状态往下执行。
print(a.__next__())
 
"""
1. 迭代器协议: 对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么就StopIteration异常,以终止迭代
2. 可迭代对象: 实现了迭代器协议的对象(如何实现:对象内部定义一个__iter__()方法)
3. 生成器就是自动实现了迭代器协议. 
 
"""

假设有个字典格式的文件people 内容如下:

{'name':'上海','population':999}
{'name':'杭州','population':8888}
{'name':'苏州','population':7767}
{'name':'无锡','population':23456}

#!/usr/bin/env python
# coding:utf-8
 
### 把函数做成生成器的好处是,next一次取一个值,立刻就可以操作.不必等到下一个值产生.
### 得到一个值立马可以处理, next中可以加一些操作.
def baozi():
    for i in range(100):
        print("正在生产包子...")
        yield '一笼包子%s' %i
        print('收钱.')
 
a = baozi()
bz1=a.__next__()
print(bz1)
bz2=a.__next__()
print(bz2)
 
### 母鸡下蛋的传说:
def xiadan():
    for i in range(100):
        yield '鸡蛋%s' %i
 
alex = xiadan()
print('路人甲获得%s' %alex.__next__())
print('路人乙获得%s' %alex.__next__())
 
## 生成器也可以被 for 循环
# for i in alex:
#     print(i)
 
#  import this # 保证代码可读性的前提下,尽量精简
 
## 取各地区人口的示例:
def get_population():
    with open('people','r',encoding='utf-8') as f:
        for i in f:
            yield eval(i)
 
g = get_population() # 得到生成器
all_pop = sum(i['population'] for i in g) ## 求和总人口
print(all_pop)
 
## 如果使用next来取得列表, 也就没有必要了.没有发挥生成器的优势.

一个生动的例子: 生产者消费者模型:

#!/usr/bin/env python
# coding:utf-8
 
import time
 
# def producer():
#     ret=[]
#     for i in range(100):
#         time.sleep(0.01)
#         ret.append('包子%s' %i)
#
#     return ret
#
# def consumer(res):
#     for idx, things in enumerate(res):
#         time.sleep(0.1)
#         print('第%s个人,吃了%s' %(idx,things))
#
#
# res = producer()
# consumer(res)
 
#### 生产者 消费者模型
#### 使用生成器改写上面的程序,实现并发:
 
def consumer(name):
    print('我是%s, 我要开始吃包子了.' % name)
    while True:
        baozi=yield
        time.sleep(0.5)
        print('%s 很开心地把 %s 吃掉了.' %(name,baozi))
 
def producer():
    c1 = consumer('Tom') # 调用上面的生成器函数
    c1.__next__()
    for i in range(10):
        time.sleep(0.5)
        c1.send('肉包子%s' %i) # 由send
 
producer()
## 单线程并发