生成器,迭代器

先有个列表生成式

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1，你怎么实现？

>>> a
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> b = []
>>> for i in a:b.append(i+1)
... 
>>> b
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = b
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

a = [1,3,4,6,7,7,8,9,11]

for index,i in enumerate(a):
    a[index] +=1
print(a)

原值修改

>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = map(lambda x:x+1, a)
>>> a
<map object at 0x101d2c630>
>>> for i in a:print(i)
... 
3
5
7
9
11

>>> a = [i+1 for i in range(10)]
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

这就是列表生成器

生成器 

生成器的目的是为了节省内存，提高运算效率，一边生成一边计算的机制，generator。

1，只有在调用时才会生成相应的数据。

2，只记录当前位置。

3，只有一个__next__()方法。

4，生成关键字yield，一个函数一旦有了yeid，他就是一个generator

例子：

def fib(max):
    n,a,b = 0,0,1

    while n < max:
        #print(b)
        yield  b
        a,b = b,a+b　　　　　　#这里是写法要注意

        n += 1

    return 'done' 

a=fib(10)
print(a.__next__())
print(a.__next__())
print(a.__next__())
print("中间可以干别的，互不干扰，不需要死等一个循环结束")
print(a.__next__())
print(a.__next__())
print(a.__next__())

还可通过yield实现在单线程的情况下实现并发运算的效果

import time
def consumer(name):
    print('%s准备吃包子'%name)
    while True:
        baozi =yield
        print('包子%s被%s吃了'%(baozi,name))

def produce(name_produce):
    c=consumer('猴哥')
    c2=consumer('大黄')
    c.__next__()
    c2.__next__()
    for i in range(10):
        time.sleep(1)
        print('包子做好了，掰开给他俩吃')
        c.send(i)
        c2.send(i)

produce('qiangql')

迭代器

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)　　　　#列表
True　　　　　　　　　　　　　　　　
>>> isinstance({}, Iterable)　　　　#字典
True
>>> isinstance('abc', Iterable)　　#字符串
True
>>> isinstance((x for x in range(10)), Iterable) 　　#生成器
True
>>> isinstance(100, Iterable)
False　　

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

*可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)　　#这里只有生成器是迭代器，因为他有返回值
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

例子

from collections import Iterator
a=[1,2,3]
b=iter(a)
print(type(b))
print(b.__next__())
print(b.__next__())
print(b.__next__())
print(b.__next__()) #第四次报错

 

总结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。