迭代器与生成器

　1. 迭代器

---

 　　

　　　　1. 定义: 内部含有__next__和__iter__ 方法就是迭代器.

　　　　2. 可迭代协议: 可以被for循环的都是可迭代的,内部都有__iter__方法.

　　　　3. 目前所学可迭代对象有: 字符串,列表,字典,元组,集合,range, f = read()

print(dir(list))   # dir()  : 查看对应的方法,如果有__iter__表示为可迭代对象

　　　　

　　　　4. 可迭代对象.__iter__就可以获得一个迭代器

result = dir(list)
iterator = list.__iter__()   # 获得一个迭代器
print(iterator)

　　　　

　　　　5. 迭代器中的__next__方法可以一个一个的获取值

list = [1, 2, 3]
iterator = list.__iter__()
res = iterator.__next__()
print(res)
res = iterator.__next__()
print(res)

　　　　

　　　　6. for循环的本质: iterator = 可迭代对象.__iter__()

　　　　　　　　　　　 　 iterator.__next__()

for i in list1.__iter__():
    print(i)

　　　　

　　　　7. 迭代器的好处:

　　　　　　a. 从容器中取值,会把所有的值都取到

　　　　　　b. 可以节省内存空间,随着循环每生成一个数,__next__方法每次给出一个数

　2.生成器

---

 　　

　　　　1. 生成器的本质: 自己写的迭代器

　　　　2. 生成器函数: 执行后会得到一个生成器作为返回值

　　　　　　a. 关键字: 只要含有yield关键字的函数都是生成器函数,yield不能和return共用且需要写在函数内部

　　　　　　b. yield和return的区别: yield和return都能返回后面的值,return执行后结束当前函数,yield也会返回值,但函数不结束

　　　　3. 生成器案例:使用生成器创建十万个娃哈哈,先取50瓶,喝完再取两瓶,喝完再取50瓶

def wahaha():
     for i in range(100000):
         yield f'第{i}瓶娃哈哈'

g = wahaha()
count = 0
for i in g:
    print(i)
    count += 1
    if count > 50:
        break

print(g.__next__())
print(g.__next__())
for i in g:
    print(i)
    count += 1
    if count > 100:
        break

　　　　

　　　　4. 生成器函数的特点:

　　　　　　a. 调用函数之后函数不执行,返回一个生成器

　　　　　　b. 每次调用__next__方法的时候会取到一个值,直到取完最后一个,再执行next的时候会报错

　　　　5. 从生成器中取值的方法:

　　　　　　a. __next__方法

　　　　　　b. for 循环

　　　　　　c. 数据类型强制转换,占用内存

　　　　6. send()方法 : 获取下一个值的效果和next基本一致

　　　　　　a. 特点 : 只是在获取下一个值的时候,给上一个yield的地方传递一个数据

　　　　　　b. 注意事项 : 第一次使用生成器的时候,使用next获取下一个值

　　　　　　　　　　　　最后一个yield不能接收外部的值

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

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

　　　　

　　　　7. send案例 : 计算移动平均值

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

avg_g = avgerage()
avg_g.__next__()   # 激活生成器
result = avg_g.send(10)
result = avg_g.send(20)
result = avg_g.send(30)
result = avg_g.send(40)
print(result)

　　　　

　　　　8. 生成器结合装饰器: 预激生成器的装饰器

def init(func):
    def inner(*args, **kwargs):
        g = func(*args, **kwargs)
        g.__next__()    # 在装饰器内部激活
        return g
    return inner

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

avg_g = avgerage()
result = avg_g.send(10)
result = avg_g.send(20)
result = avg_g.send(30)
result = avg_g.send(40)
print(result)

　　　　

　　　　9. yield from 将容器内的数据挨个遍历

def generator():
    a = '12345'
    b = 'abcde'
    yield from a
    yield from b

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

　　　　10. 生成器表达式

generator = (i ** 2 for i in range(10))
print(generator)
for i in generator:
    print(i)