03python 迭代器与生成器（python函数）

 

迭代器

什么叫做迭代器？

　　在回答这个问题之前应该先要了解到什么叫做迭代

>>> dir([1, 2])
['__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']
>>> dir((1, 3, 4))
['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'count', 'index']

 我们查看可迭代的数据类型列表以及元组的属性时，都能找到一个共同的双下方法"__iter__"

可迭代协议就是：只要含有__iter__()方法的都是可迭代的。

那什么又叫做迭代器那？迭代器跟可迭代又有什么关系？

再看一段代码

>>> print([1, 2].__iter__())
<list_iterator object at 0x0000002DE6FDFDD8>　　　　# iterator 迭代器的意思

 到这里其实就已经找到了答案。什么叫做迭代器啦？就是可迭代数据类型调用[ ].__iter__()方法，返回的就是一个迭代器

迭代器有什么用？

>>> dir([1, 2].__iter__())
['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__length_hint__', '__lt__', '__ne__', '__new__', '__next__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setstate__', '__sizeof__', '__str__', '__subclasshook__']

 仔细观察上面的双下方法会发现三个从前没有接触过的

__length_hint__()     # 获取迭代器中元素的长度
__setstate__(）       # 根据索引值指定从哪里开始迭代
__next__()            # 一个一个的取值

>>> l = [1, 2, 3, 4, 5, 6, 7]
>>> l_it = l.__iter__()
>>> l_it.__length_hint__()
7
>>> l_it.__setstate__(2)
>>> l_it.__next__()
3
>>> l_it.__next__()
4
>>> 

其实啊迭代器的作用关键就在__next__()方法。在取数据的时候一条一条的取。有时候在读取一些不知道多大内存的文件时，显然__next__()会比写for循环取更安全。

---

生成器

生成器的本质：就是一个迭代器，它是由我们自定义的，且是惰性运算的

python中的生成器

1. 生成器表达式
2. 生成器函数

生成器表达式

>>> it = (i for i in range(5))
>>> it
<generator object <genexpr> at 0x0000002DE6FDB830>
>>> it.next()        # 貌似py3不支持这种写法
Traceback (most recent call last):
  File "<pyshell#17>", line 1, in <module>
    it.next()
AttributeError: 'generator' object has no attribute 'next'
>>> it.__next__()
0
>>> it.__next__()
1

生成器表达式是不是可以叫做元组解析、元组表达式？

生成器函数

>>> def produce():
    """生产娃娃"""
    for i in range(2000000):
        yield "生产了%d个娃娃" % i

        
>>> product_g = produce()       # 调用生成器函数
>>> product_g
<generator object produce at 0x000000E884B51C50>
>>> product_g.__next__()
'生产了0个娃娃'
>>> product_g.__next__()
'生产了1个娃娃'

生成器函数的定义也特别简单就是返回值由return变成了yield

生成器的方法send

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

g = generator()
ret = g.__next__()
print(ret)
ret = g.send('hello')        # 没有变量来接收
print(ret)
ret = g.send('hello')        # send的参数被arg接收到了
print(ret)                    # 返回arg

>>>123
1
456
2
hello

# 利用生成器求平均值
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num
        count += 1
        avg = sum / count


avg_g = average()
avg_g.__next__()
avg1 = avg_g.send(10)
print(avg1)
avg2 = avg_g.send(20)
print(avg2)

 注意send的用法：
　　send的作用和__next__()一样，send能够传递参数给生成器函数，前提是要有变量来接收

　　生成器第一次取值不能使用 send

　　生成器函数的最后一个yield不能接收新的值