python_迭代器、生成器

# 迭代器

'''
被for循环的数据
list
dict
str
set
tuple
f = open()
range()
enumerate


'''
# print(dir([]))  # 告诉我列表拥有的所有方法
# 双下划线方法：很少直接调用的方法，一般情况下，是通过其他语法触发的

# 只要是能被for循环的数据类型 就一定拥有 __iter__ 方法
# [].__iter__()：迭代器 --> __next__  # 通过next就可以从迭代器中一个一个的取值

from collections import Iterable  # 可迭代的
from collections import Iterator  # 迭代器
print(isinstance([],Iterable))  #判断 [] 是不是Iterable的关系
print(isinstance([],Iterator))

#迭代器概念

# 迭代器协议和可迭代协议
# 迭代器协议 ： 内部含有 __next__ 和 __iter__方法的就是迭代器
# 可以被for循环的都是可迭代的
# 可迭代的内部都有  __iter__ 方法，可迭代协议：只要含有 __iter__ 方法都是可迭代的 （'__iter__' in dir(数据））
# 只要是迭代器 一定可迭代
# 可迭代的__iter__() 方法就可以得到一个迭代器
# 迭代器中的 __next__() 方法可以一个一个的获取值

# 迭代器的特点
    # 很方便使用，且只能取所有的数据取一次
    # 节省内存空间

# 生成器
# 生成器的本质就是迭代器
# 生成器的表现形式
    # 生成器函数
    # 生成器表达式

# 生成器函数：含有yield关键字的函数就是生成器函数
    # 调用函数的之后函数不执行，返回一个生成器
    # 调用next方法的时候会取到一个值
    # 直到取完最后一个，在执行next会报错

def generator():
    for i in range(20000):
        yield '你想要的%s'%i

g = generator() # 调用生成器函数得到一个生成器
ret = g.__next__() # 每一次执行g.__next__ 就是从生成器中取值，预示着生成器函数中的代码继续执行
num = 0
for i in g:
    num += 1
    if num > 50:
        break
    print(i)

# 从生成器中取值的几个方法
# next
# for
# 数据类型的强制转换 ：占用内存

readline 一行一行读
read(10)
# 在读出来的内容前面加上一个'****',再返回给调用着

def generator():
    print(123)
    content = yield 1
    print(content)
    print(456)
    yield 2

g = generator()
ret = g.__next__()
print(ret)
ret = g.send('hello')
print(ret)

# send获取下一个值得效果和next基本一致，只是在获取下一个值时候，给上一个值yiled得位置传递一个数据
# 使用send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

#获取移动平均值

def init(func):
    def inner(*args,**kwargs):
        rg = func(*args,**kwargs)  # g = average()
        rg.__next__()
        return rg
    return inner

@init
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num
        count += 1
        avg = sum/count

rg = average()
ret = rg.send(10)
print(ret)

# yield from

def gen():
    a = 'asdfg'
    b = '12345'
    yield from a  # 能够一个一个取a的值
    yield from b

g = gen()
for i in g:
    print(i)