迭代器生成器

目录

• 一 迭代器介绍
  • 1.1 可迭代对象
  • 1.2 迭代器对象
• 二 for循环原理
• 三迭代器的优缺点
  • 3.1优点
  • 3.2缺点
• 四 生成器的介绍

一 迭代器介绍

1、什么是迭代器

​ 迭代器指的是迭代取值的工具

​ 什么是迭代？

​ 迭代就是一个重复的过程，但是每一次重复都是在上一次的基础上进行的

​ 单纯的重复不叫迭代

2、为何要用迭代器

​ 1、迭代器提供了一种不依赖索引的，通用的迭代取值方案

​ 2、节省内存

关于迭代器的详细介绍↓↓↓↓↓↓↓

迭代器即用来迭代取值的工具，而迭代是重复反馈过程的活动，其目的通常是为了逼近所需的目标或结果，每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值,单纯的重复并不是迭代

while True:
    msg = input('>>: ').strip()
    print(msg)

下述while循环才是一个迭代过程，不仅满足重复，而且以每次重新赋值后的index值作为下一次循环中新的索引进行取值，反复迭代，最终可以取尽列表中的值

goods=['mac','lenovo','acer','dell','sony']

index=0
while index < len(goods):
    print(goods[index])
    index+=1

1.1 可迭代对象

 1、内置于_iter_方法的对象都叫可迭代的对象

内置的类型都是可迭代的对象

字符串 列表 元组 字典 结合

1.2 迭代器对象

1、内置有_iter_方法的对象
2、内置有_next_方法的对象
调用迭代器对象的 _iter_方法得到它自己，就跟没调用一样
调用迭代器对象的_next_方法返回下一个值，不依赖索引
可以一直调用_next_直到取干净，则抛出异常StopIteration

只要调用可迭代对象的_iter_方法就会拿到一个返回值，该返回值就是python帮我们做好的迭代器

文件本身就是迭代器对象

l = [1,2,3,4]
l=l.__iter__()
print(l.__next__())
print(l.__next__())
print(l.__next__())
print(l.__next__())
>>>1
>>>2
>>>3
>>>4


l = [1,2,3,4]
l = iter(l)
# next(l)
print(next(l))
print(next(l))
print(next(l))

二 for循环原理

首先我们先想一个问题 for循环和while循环 做一个不需要索引取值的循环应该怎么做

# 用while循环做一个不根据索引取值的循环方式
nums = [111,222,3333]
# nums_iter = iter(nums)  #需要把nums  _iter_成迭代器对象
# while True:
#     try:
#         res = next(nums_iter)
#         print(res)
#     except StopIteration:  # 捕捉到一场终止循环
#         break

for循环又称为迭代循环，in后可以跟任意可迭代对象，上述while循环可以简写为

nums = [111,222,3333]
for x in nums:   #相当于省去了把可迭代对象  iter成迭代器对象的过程、
    print(x)
    
# 1、先调用in后那个对象的__iter__方法，拿到迭代器对象
# 2、 x = next(迭代器对象)，执行一次循环体代码
# 3、循环往复步骤2，直到值取干净抛出异常StopIteration，for会捕捉异常结束循环

for循环 用迭代器取值有个特点取完就停止 那如何把同一个可迭代对象再重新取呢？

nums =[111,22,33]
# x = iter(nums)
# for res in x:  # x.__iter__()
#     print(res)
# print('='*50)
#
# for res in x:  # x.__iter__()
#     print(res)


for res in nums:  # nums.__iter__()
    print(res)
print('='*50)
for res in nums:  # nums.__iter__()
    print(res)

三迭代器的优缺点

3.1优点

1、为序列和非序列类型提供了一种统一的迭代取值方式。

2、惰性计算：迭代器对象表示的是一个数据流，可以只在需要时才去调用next来计算出一个值，就迭代器本身来说，同一时刻在内存中只有一个值，因而可以存放无限大的数据流，而对于其他容器类型，如列表，需要把所有的元素都存放于内存中，受内存大小的限制，可以存放的值的个数是有限的。

3.2缺点

1、除非取尽，否则无法获取迭代器的长度

2、只能取下一个值，不能回到开始，更像是‘一次性的’，迭代器产生后的唯一目标就是重复执行next方法直到值取尽，否则就会停留在某个位置，等待下一次调用next；若是要再次迭代同个对象，你只能重新调用iter方法去创建一个新的迭代器对象，如果有两个或者多个循环使用同一个迭代器，必然只会有一个循环能取到值。

四 生成器的介绍

生成器就是自定义迭代器

想要把迭代器做成一个工具就需要用到函数的概念 函数的返回值 yield 与 return的一同

相同：返回值层面用法一样

不同点：return只能返回值一词，而yield可以返回多次

def func():
    print('xxx')
    yield 111
    print('yyy')
    yield 222
    print('zzz')
    yield 333
    print('mmmm')
g = func()
print(g)  #generator  发生器
#只要函数内部包含有yield关键字，那么函数名()的到的结果就是生成器，并且不会执行函数内部代码

g.__iter__()
g.__next__()
#所以生成器就是迭代器，因此可以用next取值

res=next(g)
print(res)

res=next(g)
print(res)

res=next(g)
print(res)

》》》
<generator object func at 0x000001CD2BE062E0>
xxx
111
yyy
222
zzz
333

那么一个有无限值的生成器应该怎么取值呢？

def func():
    res = 1
    while   True:
        yield res
        res+=1
g = func()
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
》》》
1
2
3
4
5
6
7
8
9
10
11