1.1 迭代器
1、可迭代对象：str,list,tuple,set,dict,
迭代器：f(文件)，range()
可迭代对象和迭代器都可以for循环
可迭代对象不会计数，
迭代器会计数，上面操作到第3个，则下面的程序继续使用第4个
以上数据类型中都有一个函数__iter__()
所有包含了函数__iter__()的数据类型都是可迭代对象 Iterable
2、 获取迭代器 .__iter__
迭代器往外拿元素 .__next__
lis = [1,2,3,4]
it = lis.__iter__() #it是迭代器
print(it.__next__()) #打印第一个元素
print(it.__next__()) #打印第二个元素
3、Iterable:可迭代对象 内部包含__iter__()
Iterator:迭代器 内部包含__iter__() 和 __next__
from collections import Iterable #可迭代的
from collections import Iterator #迭代器
lis = [1,2,3,4]
isinstence(对象，类型) #判断对象是否是这个类型
isinstence(lis,Iterable) #判断是否是可迭代对象
isinstence(lis,Iterator) #判读是否是迭代器
4、迭代器的特点：
a 节省内存 迭代器是在循环的过程中，每次生成一个
b 惰性机制 迭代器拿值，一定要next
c 只能往前拿，不能往回走
5、模拟for循环
lis = [1,2,3,4]
it = lis.__iter__()
while True:
try:
print(it.__next__())
except StopIteration:
berak
1.2 生成器
1、生成器函数： 只要含有yield关键字的函数都是生成器函数
生成器表达式：（i for i in lis if ）
2、生成器特点
生成器中的数据只能取一次，取完就没有了
惰性运算，不找他取值，他就不工作中
for 循环 套生成器表达式，拆开算
3、生成器函数 yield不能和return共用且需要写在函数中
生成器函数，执行后会得到一个生成器作为返回值
def generator():
print(1)
yield ‘a’
print(2)
yield ‘b’
ret = generator() #ret既是一个迭代器__iter__(),__next__()
print(ret)
print(ret.__next__()) #第一个yield之前的操作
print(ret.__next__()) #第二个yield之前的操作
可以直接用for循环,读取生成器
for i in ret():
print(i)
4、生成器函数 应用，实时读取文件
def tail(filename):
f = open(filename,encoding="utf-8")
while True:
line = f.readline()
if line.strip():
yield line.strip() #生成器
g = tail("file")
for i in g:
print(i)
5、生成器函数的方法
send 获取到下一个值的效果基本和next一样
只是在获取下一个值的时候，给上一个值的位置传递一个数据
注意事项：第一次使用生成器的时候，必须使用next获取
最后一个yield不能接受外部的值
def generator():
print(1)
co = yield #第一次迭代的时候执行到yield,
print(co) #第二次send迭代到第二个yield,且接受了传过来的参数
print(2)
yield
g = generator()
g.__next__()
g.send("women")
6、生成器表达式
g = (i for i in range(10)) #g 就是生成器
（元素相关的操作或者某个操作 for 元素 in 可迭代类型）
lis =[1,2,3,5]
s = [print("women") for i in lis]
7、推导式：遍历操作，筛选操作
列表推导式
g = [i for i in range(10)] #返回的是一个列表
[满足条件的元素相关操作 for 元素 in 可迭代类型 if 元素相关操作]
ret = [i for i in range(30) if i %3 == 0]
print(ret)
字典推导式
例子字典中值和key互换
dic={1:”women”,2:”nen”}
dic_new = {mcase[k]:k for k in dic}
print(dic_new)
集合推导式 去重