python迭代器与生成器

以下都是我自学Python整理的笔记，以便帮助学习。

容器（container）

　　1.容器是一种把多个元素组织在一起的数据结构，容器中的元素可以逐个的迭代获取，可以用in，not in关键字判断元素是否在容器中。通常这类数据结构把所有的元素存储在内存中（也有一些特例并不是把所有的元素存在内存，比如迭代器和生成器对象）在python中，常见的容器对象有：list，set，dict，tuple，str...

　　2.尽管绝大多数容器都提供了某种方式来获取其中的每一个元素，但这并不是容器本身提供的能力，而是**可迭代对象**赋予了容器这种能力，当然并不是所有的容器都是可迭代的，比如：[Bloom filter]，虽然Bloom filter可以用来检测某个元素是否包含在容器中，但是并不能从容器中获取其中的每一个值，因为Bloom filter压根就没把元素存储在容器中，而是通过一个散列函数映射成一个值保存在数组中。

可迭代对象（iterable）

　　1.许多容器都是可迭代对象，但也有很多不是容器的对象也是可迭代对象，比如处于打开状态的files，socket等。

　　2.可迭代对象都具有__iter__函数，并且可迭代对象通过iter()函数会返回一个迭代器，迭代器内部具有一个状态，该状态用于记录当前迭代所在的位置方便下一次迭代。

　　3.迭代器有一种具体的迭代器类型，比如list_iterator，set_iterator。可迭代对象实现了__iter__方法，该方法返回一个迭代器对象。

迭代器（iterator）

　　1.迭代器是一种带状态的对象，它能在你调用next()方法的时候返回容器中的下一个值，任何实现了__iter__和__next__方法的对象都是迭代器，__iter__返回迭代器本身，__next__返回容器中的下一个值，当遍历到最后一个值，没有元素的时候会抛出StopIteration异常。

　　2. itertools函数返回的都是迭代器对象。

　　3.迭代器不会一次性把所有元素加载到内存，而是需要的时候才生成返回结果。迭代器就像一个懒加载的工厂，等到有人需要的时候才给它生成值返回，没调用的时候就处于休眠状态等待下一次调用。

　　4.三种常见的迭代器：

　　（1）无限迭代器，这个可以理解成一条无限延长的直线。

　　　itertools模块下的count(start)函数，star为起点。

help(itertools.count)#查看帮助文档 
count(start=0, step=1) --> count object
 |  Return a count object whose .__next__() method returns consecutive values.
def count(firstval=0, step=1):
 |          x = firstval
 |          while 1:
 |              yield x
 |              x += step

例子：

import itertools
>>> counter = itertools.count(start=2)
>>> next(counter)
2
>>> next(counter)
3
>>> next(counter)
4

　（2）通过一个有限序列生成无限迭代器，这个可以理解为是一个圆，无限遍历。

　　　itertools下的cycle(iterable)函数，参数是一个可迭代对象。

help(itertools.cycle)
cycle(iterable) --> cycle object
 |  Return elements from the iterable until it is exhausted.
 |  Then repeat the sequence indefinitely.
 #从可迭代对象取出所有的元素然后无限循环

例子：

>>> from itertools import cycle
>>> colors = cycle(['red','white','blue'])
>>> next(colors)
'red'
>>> next(colors)
'white'
>>> next(colors)
'blue'
>>> next(colors)
'red'
>>> next(colors)
'white'

　（3）有限迭代器，其实就是无限迭代器中截取一段序列。

　　　itertools下的islice(iterable, start, stop[, step])

　　　iterable为可迭代对象，start为起点，不给start值时，默认从0开始，给值时会默认从起点的下一个元素开始遍历，stop为终点，step为步长。

help(itertools.islice)
class islice(builtins.object)
 |  islice(iterable, stop) --> islice object
 |  islice(iterable, start, stop[, step]) --> islice object
#返回一个迭代器，iterable可迭代对象，start如果不设置为0，设置了会默认从start下一个元素开始遍历，stop终止，step步长。

例子：

>>> from itertools import islice
>>> num = cycle((1,2,3))
>>> limited = islice(num,0,4)
>>> next(limited)
1
>>> next(limited)
2
>>> next(limited)
3
>>> next(limited)
1
>>> next(limited)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

生成器（generator）

　　1.生成器是一种特殊的迭代器，不过这种迭代器更加优雅。需要一个yiled关键字。 生成器一定是迭代器（反之不成立），因此任何生成器也是以一种懒加载的模式生成值。

　　2.生成器有延迟作用，就是有需要的时候才会生产数据，不是立即产生结果。

　　生成器只能遍历一次。

　　4.两种方法得到生成器：

　　（1）定义生成器函数，返回值用yield而不是return，yield和return最本质的区别在于return会终止函数，不会保留函数中的变量，再次如果再次调用函数时从头开始；而yield相当于在是冻结函数，给了函数一个状态，让他暂时挂起保留此次调用的变量，下一次继续这个位置调用。

看例子：

#用return
def func(var):
    while var > 0: 
        print(var)
        return var
        var -= 1
        
d = func(10)
print(type(d))

10
<class 'int'>

#用yield
def func(var):
    while var > 0: 
        yield var
        #return var
        var -= 1
        
d = func(10)
print(type(d))

<class 'generator'>#type看到d是一个生成器

#所以我们可以对d进行for循环遍历
for i in d:
 　　print(i)

10
9
8
7
6
5
4
3
2
1

　　（2）生成器表达式：把列表推导式的[ ]改成( )

　　　　使用生成器表达式取代列表推导式可以同时节省 cpu 和 内存(RAM)。

　　  gen = (i for i in range(10))

gen = (i for i in range(10))
print(type(gen))
for var in gen:
    print(var)
<class 'generator'>
0
1
2
3
4
5
6
7
8
9