Python中迭代器和生成器的介紹

迭代器

一、迭代的概念

迭代器即迭代的工具，那什么是迭代呢？
迭代是一個重復(fù)的過程，每次重復(fù)即一次迭代，并且每次迭代的結(jié)果都是下一次迭代的初始值

優(yōu)點：

• 提供一種統(tǒng)一的、不依賴于索引的迭代方式
• 惰性計算，節(jié)省內(nèi)存
  缺點：
• 無法獲取長度（只有在next完畢才知道到底有幾個值）
• 一次性的，只能往后走，不能往前退

1、為何要有迭代器？

對于序列類型：字符串、列表、元組，我們可以使用索引的方式迭代取出其包含的元素。但對于字典、集合、文件等類型是沒有索引的，若還想取出其內(nèi)部包含的元素，則必須找出一種不依賴于索引的迭代方式，這就是迭代器

2、什么是可迭代對象？

可迭代對象指的是內(nèi)置有iter方法的對象，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、什么是迭代器對象？

可迭代對象執(zhí)行obj.iter()得到的結(jié)果就是迭代器對象
而迭代器對象指的是即內(nèi)置有iter又內(nèi)置有next方法的對象

文件類型是迭代器對象
open('a.txt').__iter__()
open('a.txt').__next__()

二、迭代器對象的使用

dic={'a':1,'b':2,'c':3}
iter_dic=dic.__iter__() #得到迭代器對象，迭代器對象即有__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.__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__()) #拋出異常StopIteration，或者說結(jié)束標志

#有了迭代器，我們就可以不依賴索引迭代取值了
iter_dic=dic.__iter__()
while 1:
    try:
        k=next(iter_dic)
        print(dic[k])
    except StopIteration:
        break

三、for循環(huán)

#基于for循環(huán)，我們可以完全不再依賴索引去取值了
dic={'a':1,'b':2,'c':3}
for k in dic:
    print(dic[k])

#for循環(huán)的工作原理
#1：執(zhí)行in后對象的dic.__iter__()方法，得到一個迭代器對象iter_dic
#2: 執(zhí)行next(iter_dic),將得到的值賦值給k,然后執(zhí)行循環(huán)體代碼
#3: 重復(fù)過程2，直到捕捉到異常StopIteration,結(jié)束循環(huán)

生成器

一、什么是生成器

#只要函數(shù)內(nèi)部包含有yield關(guān)鍵字，那么函數(shù)名()的到的結(jié)果就是生成器，并且不會執(zhí)行函數(shù)內(nèi)部代碼

def func():
    print('====>first')
    yield 1
    print('====>second')
    yield 2
    print('====>third')
    yield 3
    print('====>end')

g=func()
print(g) #<generator object func at 0x0000000002184360> 

yield總結(jié)

1、把函數(shù)做成迭代器
2、對比return，可以返回多次值，可以掛起/保存函數(shù)的運行狀態(tài)

二、三元表達式

name=input('姓名>>: ')
res='SB' if name == 'alex' else 'NB'
print(res)

三、列表解析

優(yōu)點：方便，改變了編程習慣，可稱之為聲明式編程

egg_list=[]
for i in range(10):
    egg_list.append('雞蛋%s' %i)

egg_list=['雞蛋%s' %i for i in range(10)]

四、生成器表達式

#1、把列表推導(dǎo)式的[]換成()就是生成器表達式

#2、示例：生一筐雞蛋變成給你一只老母雞，用的時候就下蛋，這也是生成器的特性
>>> chicken=('雞蛋%s' %i for i in range(5))
>>> chicken
<generator object <genexpr> at 0x10143f200>
>>> next(chicken)
'雞蛋0'
>>> list(chicken) #因chicken可迭代，因而可以轉(zhuǎn)成列表
['雞蛋1', '雞蛋2', '雞蛋3', '雞蛋4',]

#3、優(yōu)點：省內(nèi)存，一次只產(chǎn)生一個值在內(nèi)存中

五、生成器函數(shù)

def xd():
    for i in range(100):
        yield '雞蛋%s' %i

s=xd()
print(s.__next__())
print(s.__next__())

六、生產(chǎn)者消費者模型

import time
# def producer():
#     ret=[]
#     for i in range(100):
#         time.sleep(0.1)
#         ret.append('包子%s' %i)
#     return ret
#
# def consumer(res):
#     for index,baozi in enumerate(res):
#         time.sleep(0.1)
#         print('第%s個人，吃了%s' %(index,baozi))
#
# res=producer()
# consumer(res)

#yield 3相當于return 控制的是函數(shù)的返回值
#x=yield的另外一個特性，接受send傳過來的值,賦值給x
# def test():
#     print('開始啦')
#     firt=yield #return 1   first=None
#     print('第一次',firt)
#     yield 2
#     print('第二次')
#
# t=test()
# res=t.__next__() #next(t)
# print(res)
# # t.__next__()
# # res=t.send(None)
# res=t.send('函數(shù)停留在first那個位置，我就是給first賦值的')
# print(res)

def consumer(name):
    print('我是[%s],我準備開始吃包子了' %name)
    while True:
        baozi=yield
        time.sleep(1)
        print('%s 很開心的把【%s】吃掉了' %(name,baozi))

def producer():
    c1=consumer('wupeiqi')
    c2=consumer('yuanhao_SB')
    c1.__next__()
    c2.__next__()
    for i in range(10):
        time.sleep(1)
        c1.send('包子 %s' %i)
        c2.send('包子 %s' %i)
producer()