day_05、迭代器、生成器

迭代器

什么是迭代器：满足可迭代协议。

假如我们自己写了一个数据类型，希望这个数据类型里的东西也可以使用for被一个一个的取出来，那我们就必须满足for的要求。这个要求就叫做‘协议’。

可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单，就是内部实现了__iter__方法。

lst = [1,2]
print(dir(lst))

结果

['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']

总结一下我们现在所知道的：可以被for循环的都是可迭代的，要想可迭代，内部必须有一个__iter__方法。

接着分析，__iter__方法做了什么事情呢？

可迭代的：内部必须含有一个__iter__方法。

迭代器

什么叫做迭代器？迭代器英文的意思是iterator.

l = [1, 2, 3, 4]
l_iter = l.__iter__()  # 将可迭代的转换为迭代器
print(l_iter)  # <list_iterator object at 0x0308AFF0>

item = l_iter.__next__()
print(item)    # 1
item = l_iter.__next__()
print(item)    # 2
item = l_iter.__next__()
print(item)    # 3
item = l_iter.__next__()
print(item)    # 4
item = l_iter.__next__()
print(item)    # 报错

迭代器遵循迭代器协议：必须拥有__iter__方法和__next__方法。

for循环，能遍历一个可迭代对象，他的内部到底进行了什么？

　　将可迭代对象转换成迭代器。(可迭代对象.__iter__())

　　内部使用__next__方法，一个一个的取值。

　　加了异常处理功能，取值到底后自动停止。

生成器

我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法来得到的，迭代器有的好处是可以节省内存。

如果在某些情况瞎，我们也需要内存，就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

python中提供的生成器：

1、生成器函数：常规函数定义。但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以变下次从它离开的地方继续执行。

2、生成器表达式：类似于列表推到，但是，生成器返回需要产生结果的一个对象，而不是构建一个结果列表

生成器Generator

　　本质：迭代器（所以自带了__iter__方法和__next__方法，不需要我们去实现）

　　特点：惰性运算，开发者自定义

生成器函数

一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回值具体的值，而是得到一个可迭代对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的值。直到函数执行结束。

import time
def genrator_fun1():
    a = 1
    print('现在定义了a变量')
    yield a
    b = 2
    print('现在又定义了b变量')
    yield b

g1 = genrator_fun1()
print('g1 : ',g1)       #打印g1可以发现g1就是一个生成器
print('-'*20)   #我是华丽的分割线
print(next(g1))
time.sleep(1)   #sleep一秒看清执行过程
print(next(g1))

send

def generator():
    print(123)
    content = yield 1
    print('=======',content)
    print(456)
    yield2

g = generator()
ret = g.__next__()
print('***',ret)
ret = g.send('hello')   #send的效果和next一样
print('***',ret)

#send 获取下一个值的效果和next基本一致
#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

　　

列表推导式和生成器表达式

l = [i for i in range(10)]
print(l)
l1 = ['选项%s'%i for i in range(10)]
print(l1)

1、把列表解析的[]换成()得到的就是生成器表达式

2、列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更省内存。

3、python不但使用迭代器协议，让for循环变得更加通用，大部分内置函数，也是使用迭代器协议访问对象的。例如，sum函数是python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议，所以，我们可以直接这样计算一系列值得和：

sum(x ** 2 for x in range(4))