08-Python基础之迭代器与生成器

迭代器

可迭代协议：只要含有__iter__方法的都是可迭代的，只要是能被for循环的数据类型 就一定拥有__iter__方法

迭代器协议 ：内部含有__next__和__iter__方法的就是迭代器

迭代器的好处：

　　　从容器类型中一个一个的取值，会把所有的值都取到

　　　节省内存空间，迭代器并不会在内存中再占用一大块内存，而是随着循环 每次生成一个，每次next每次给我一个

注意：

__next__()方法当取完时候会报错。
print(dir([]))   #告诉我列表拥有的所有方法，其他的只要改想知道的类型就可以了

生成器

生成器 ----也是一种迭代器，即含有__next__和__iter__方法

生成器函数

#只要含有yield关键字的函数都是生成器函数
# yield不能和return共用且需要写在函数内
def generator():
    print(1)
    yield 'a'
# #生成器函数 ： 执行之后会得到一个生成器作为返回值
ret = generator()    #得到一个内存地址
print(ret)          #<generator object generator at 0x000002774525D830>，通过next取值，一个yield返回一个值
print(ret.__next__())   #打印   1    a

 生成器函数进阶：

def generator():
    print('123456789*')
    contend = yield 1
    print('==========',contend)
    print('*987654321')
    yield

g = generator()
print(g.__next__())
#send的效果和next一样,都是往下执行，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
g.send('hello')
# print(g.__next__())                思考：打印的是什么？

# 获取移动平均值
# 10 20 30 10
# 10 15 20 17.5
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num    # 10
        count += 1    # 1
        avg = sum/count

avg_g = average()
avg_g.__next__()
avg1 = avg_g.send(10)
avg1 = avg_g.send(20)
print(avg1)

'''
重点思考代码的执行过程？
'''

#预激生成器的装饰器
def init(func):   #装饰器
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)    #g = average()
        g.__next__()
        return g
    return inner
@init
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num    # 10
        count += 1    # 1
        avg = sum/count

avg_g = average()   #===> inner
ret = avg_g.send(10)
print(ret)
ret = avg_g.send(20)
print(ret)
'''
重点思考执行过程？然后能写下来
'''

生成器表达式

'''
把列表解析的[]换成()得到的就是生成器表达式
'''
#列表解析
li = [i*2 for i in range(5)]        #内存占用大,机器容易卡死
print(li)               #li = [0, 2, 4, 6, 8]
print(type(li))         #<class 'list'>
#生成器表达式
li = (i*2 for i in range(5))   #几乎不占内存
print(li)                #<generator object <genexpr> at 0x000002BC67B8D930>
print(type(li))         #<class 'generator'>

各种推导式：

#列表推导式
multiples = [i for i in range(30) if i % 3 is 0]  #30以内所有能被3整除的数

# def squared(x):
#     return x*x
multiples = [i*i for i in range(30) if i % 3 is 0]  #30以内所有能被3整除的数的平方
print(multiples)

names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]

print([name for lst in names for name in lst if name.count('e') >= 2])  # 注意遍历顺序，这是实现的关键

#字典推导式

mcase = {'a': 10, 'b': 34}    #将一个字典的key和value对调
mcase_frequency = {mcase[k]: k for k in mcase}
print(mcase_frequency)

#集合推导式
squared = {x**2 for x in [1, -1, 2]}
print(squared)
# Output: set([1, 4])