一、知识点整理：
1、可迭代的：对象下有_iter_方法的都是可迭代的对象
迭代器：对象._iter_（）得到的结果就是迭代器
迭代器的特性：
迭代器._next_() 取下一个值
优点：
1.提供了一种统一的迭代对象的方式，不依赖于索引
2.惰性计算
缺点：
1.无法获取迭代器的长度
2.一次性的，只能往后取值，不能往前退，不能像索引那样去取得某个位置的值
2、生成器：函数内带有yield关键字，那么这个函数执行的结果就是生成器
生成器的本质就是迭代器
def func():
n=0
while True:
yield n
n+=1
g = func()
next(g)
3、总结yield的功能:
1、相当于把_iter_和_next_方法封装到函数内部
2、与return比，return只能返回一次，而yield能返回多次
3、函数暂停以及继续运行的状态是通过yield保存的
4、yield的表达式形式： 如：food = yield
def eater(name):
print("%s start to eat"%name)
while True:
food = yield
print("%s eat %s"%(name,food))
e = eater("zhejiangF4")
next(e)
e.send("aaa")
5、e.send 与 next(e)的区别
#1.如果函数内yield是表达式形式，那么必须先next(e)
#2.二者的共同之处是都可以让函数在上一次暂停的位置继续运行，不一样的地方在于send在触发下一次代码的执行时，会顺便给yield传一个值
二、生成器 协程函数的应用
1、编写一个装饰器，在不变更原代码 协程函数 的基础上，直接就能给主函数传值！（协程函数第一步需要next()触发，既将触发写入装饰器中！）
1 def f(func): #定义装饰器
2 def f1(*args,**kwargs):
3 res = func(*args,**kwargs)
4 next(res) #触发主函数
5 return res
6 return f1
7 @f
8 def eater(name): #主函数
9 print("%s start to eat"%name)
10 while True:
11 food = yield
12 print("%s eat %s"%(name,food))
13 e = eater("zhejiangF4")
14 e.send("something") #直接传值
执行结果：
1 zhejiangF4 start to eat 2 zhejiangF4 eat something
##在IDE上加上断点，debug运行查看##
2、递归目录，过滤文件中带有“python”内容的文件，然后将这些文件打印。此段代码实现功能，牵扯到面向过程编程的思想！定义的每一个函数都是环环相扣，犹如一个完整的生产线一样！
面向过程的编程思想：流水线式的编程思想，在设计程序时，需要把整个流程设计出来
#优点：
1、体系结构更加清晰
2、简化程序的复杂度
#缺点：
1、可扩展性极其的差，所以说面向过程的应用场景是：不需要经常变化的软件。
1 import os,time
2 def init(func):
3 def wrapper(*args,**kwargs):
4 res = func(*args,**kwargs)
5 next(res)
6 return res
7 return wrapper
8
9 @init
10 def search(target):
11 '找到文件的绝对路径'
12 while True:
13 dir_name=yield
14 #print('车间search开始生产产品：文件的绝对路径')
15 time.sleep(1)
16 g = os.walk(dir_name)
17 for i in g:
18 for j in i[-1]:
19 file_path = "%s\%s"%(i[0],j)
20 target.send(file_path)
21 @init
22 def opener(target):
23 '打开文件，获取文件句柄'
24 while True:
25 file_path = yield
26 #print('车间opener开始生产产品：文件句柄')
27 time.sleep(1)
28 with open(file_path) as f:
29 target.send((file_path,f))
30 @init
31 def cat(target):
32 '读取文件内容'
33 while True:
34 file_path,f = yield
35 #print('车间cat开始生产产品：文件的一行内容')
36 time.sleep(1)
37 for line in f:
38 target.send((file_path,line))
39 @init
40 def grep(pattern,target):
41 '过滤一行内容中有无python'
42 while True:
43 file_path,line = yield
44 #print('车间grep开始生产产品：包含python这一行内容的文件路径')
45 time.sleep(0.2)
46 if pattern in line:
47 target.send(file_path)
48 @init
49 def printer():
50 '打印文件路径'
51 while True:
52 file_path = yield
53 #print('车间printer开始生产产品：得到最终的产品')
54 time.sleep(1)
55 print(file_path)
56 g = search(opener(cat(grep('python',printer()))))
57 g.send('G:\zhang')
执行结果：
1 G:zhanga3.txt 2 G:zhanga1a1.txt 3 G:zhanga2a2.txt
三、列表生成式
1、由来
在实际编程的情况中，我们常常需要生成一些列表。除了比较低效的用for循环来一个一个往列表中append外，另一个比较好的方法就是：
python给我们提供了非常强大的创建列表的方式。
2、语法
[expression for item1 in iterable1 if condition1
for item2 in iterable2 if condition2
for item3 in iterable3 if condition3
for itemN in iterableN if conditionN]
通俗的来讲，列表生成式由三部分拼接组成：当然每次写之前都应该先给出[],然后在里边添加。
1.expression 指要生成的元素（参数，变量），放在最前面
2.后面跟上for循环
3.for循环之后还可以加上if条件判断，以便进行筛选。
实际使用的过程中，若一个for循环不能完成问题，还可以往下嵌套。
1）简单代码举例：
1 egg_list=[]
2 for i in range(10):
3 egg_list.append("egg%s"%i)
4 print(egg_list)
5
6 l=["egg%s"%i for i in range(10)]
7 print(l)
执行结果：
1 ['egg0', 'egg1', 'egg2', 'egg3', 'egg4', 'egg5', 'egg6', 'egg7', 'egg8', 'egg9'] 2 ['egg0', 'egg1', 'egg2', 'egg3', 'egg4', 'egg5', 'egg6', 'egg7', 'egg8', 'egg9']
2）稍微有点复杂的，不过也好理解。
1 #将l 和 s 中每一个元素取出，组成一个新的元组，将所有的结果保存在列表中 2 l = [1,2,3,4] 3 s = "hello" 4 l1 = [(num,s1) for num in l if num >3 for s1 in s] 5 print(l1) 6 7 l2 = [] 8 for num1 in l : 9 if num1 >3: 10 for s2 in s : 11 t = (num1 ,s2) 12 l2.append(t) 13 print(l2)
执行结果：
1 [(4, 'h'), (4, 'e'), (4, 'l'), (4, 'l'), (4, 'o')] 2 [(4, 'h'), (4, 'e'), (4, 'l'), (4, 'l'), (4, 'o')]
通过比较，虽然上边两种方式都可以实现功能，但是可以非常明显的看出：运用传统意义上的循环，去编写代码是非常繁琐复杂的。
而运用 列表生成式，同样的内容，可以通过一个list快速生成实现功能的代码，同时写出的代码非常简洁。
3）再举个例子：读取文件的绝对路径
①代码：
1 import os
2 g = os.walk("G:\zhang") #拿取文件路径下所有的文件
3 #print(g) #g是一个生成器
4 l = []
5 for i in g: #获取所有文件的绝对路径
6 #print(i) #路径整体以元组的形式打印出来，元组内部是列表（文件路径，文件名，文件）
7 for j in i[-1]: #拿取有文件的路径
8 file_path = "%s\%s" % (i[0], j)
9 l.append(file_path)
10 print(l)
11
12 g = os.walk("G:\zhang")
13 l1 = ["%s\%s" %(i[0], j) for i in g for j in i[-1]]
14 print(l1)
##如果不明白怎么来的，可以将代码拷出去，将print释放，打印的结果即可！文件路径可以随意更改！##
②执行结果：
1 ['G:\zhang\a3.txt', 'G:\zhang\a1\a1.txt', 'G:\zhang\a2\a2.txt']
四、生成器表达式
1、定义：
生成器表达式，我个人认为还不如叫列表生成器，就是把列表表达式改变了一下，变成了一个生成器。
而且这种改变非常简单，就是把外[]换成了（）就创建了一个generator。
通过列表生成式，我们可以直接创建一个列表。但受到内存的限制，列表容量肯定是有限的，同时那么庞大的数据流，一下子拿出来什么机器得卡的受不了。
而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。
在Python中，这种一边循环一边计算的机制，称为生成器：generator。
就昨天所学的生成器的理解来判断：generator生成器保存的是算法，每次通过next()触发取值，并且每次只取一个元素的值，直到计算到最后一个元素。
没有更多的元素时，就会抛出StopIteration的错误。我们可以通过for循环来迭代它，并且不需要关心StopIteration的错误。
这种生成器经常运用于：处理文件，读取数据库中大量的数据 的情况之中。
1、简单代码举例：
1 #还是下蛋的例子（……跟鸡过不去了……）
2 l=['egg%s' %i for i in range(100)]
3 print(l)
4
5 g=l=('egg%s' %i for i in range(1000000000000000000000000000000000000))
6 print(g)
7 print(next(g))
8 print(next(g))
9 for i in g:
10 print(i)
执行结果：
2、处理文件的代码举例：
1 #处理文件，去除文件中每行的空格
2 #传统处理方式，如果数据很大的话，瞬间将内存挤爆……
3 f=open('a.txt')
4 l=[]
5
6 for line in f:
7 line=line.strip()
8 l.append(line)
9 print(l)
10
11 f=open('a.txt')
12 f.seek(0)
13 l1=[line.strip() for line in f]
14 print(l1)
15
16 f=open('a.txt')
17 f.seek(0)
18 g=(line.strip() for line in f)
19 print(g)
20 print(next(g))
21
22
23 #list（可迭代对象） 可以将迭代器转换成列表
24 f=open('a.txt')
25 g=(line.strip() for line in f)
26
27 l=list(g)
28 print(l)
执行结果：
View Code3、应用：声明式编程
1）求和函数 sum() 可以计算 可迭代的数据的值
1 #1、求和函数 sum() 可以计算 可迭代的数据的值 2 print(sum([1,2,3,4])) #直接对列表求和 3 nums_g=(i for i in range(3)) #生成器 4 print(sum(nums_g))#求和
执行结果：
1 10 2 3
2）计算购物清单总价
1 # 计算购物清单总价
2 # 1、传统方式
3 money_l=[]
4 with open('b.txt') as f:
5 for line in f:
6 goods=line.split() #将文件中的每行以空格分割，然后以列表的形式保存
7 res=float(goods[-1])*float(goods[-2]) #求和 个数*单价 此处注意数据类型的转换 str -> float
8 money_l.append(res) #生成一个总价的列表
9 print(money_l) #打印列表
10 print(sum(money_l))#求总价
11 #
12 # 2、列表生成器 方法 将上边的代码用声明式编程代替
13 f=open('b.txt')
14 g=(float(line.split()[-1])*float(line.split()[-2]) for line in f)
15 print(sum(g))
16 #
执行结果：
1 [30.0, 1000000.0, 6000.0, 90000.0, 30.0] 2 1096060.0 3 1096060.0
3）数据库查询的功能（文件数据，string）得到的内容是[{},{}]形式，列表套字典的形式。
1 res=[]
2 with open('b.txt') as f:
3 for line in f:
4 # print(line)
5 l=line.split() #把每行处理成列表
6 # print(l)
7 d={} #先定义一个空字典
8 d['name']=l[0] #往字典内赋值
9 d['price']=l[1] #往字典内赋值
10 d['count']=l[2] #往字典内赋值
11 res.append(d) #将新创建的字典写到列表中
12 print(res) #打印结果
13 #
14 # 生成器表达式 方式 处理
15 with open('b.txt') as f:
16 res=(line.split() for line in f) #得到一个列表生成器 大列表，文件内所有内容都在
17 #print(res) #查看类型 生成器
18 dic_g=({'name':i[0],'price':i[1],'count':i[2]} for i in res) #对迭代器进行取值，拿到每个小列表，组成一个新的字典，存放在新的列表中
19 print(dic_g)#查看类型 生成器
20 apple_dic=next(dic_g) #取第一值 前提是知道第一个是什么
21 print(apple_dic['count'])
执行结果：
1 [{'name': 'apple', 'price': '10', 'count': '3'}, {'name': 'tesla', 'price': '1000000', 'count': '1'}, {'name': 'mac', 'price': '3000', 'count': '2'}, {'name': 'lenovo', 'price': '30000', 'count': '3'}, {'name': 'chicken', 'price': '10', 'count': '3'}]
2 <generator object <genexpr> at 0x00000000028EB360>
3 3
此处有一个非常有趣的问题，昨天所学，我们知道文件本身就是一个迭代器。
next()取值之后，会将文件关闭。往后就无法再取值，所以会有I/O错误 没法读取 文件关闭的报错。
所以调用文件的话，建议用 f = open("b.txt") 或是next()触发取值的话，缩近放在里边。
4）取出单价>10000 大体不变，只是将每行组成的列表，格式化 转换成字典的时候进行过滤，取出满足条件的内容
1 # 取出单价>10000 大体不变，只是将每行组成的列表，格式化 转换成字典的时候进行过滤，取出满足条件的内容
2 with open('b.txt') as f:
3 res=(line.split() for line in f)
4 # print(res)
5 dic_g=({'name':i[0],'price':i[1],'count':i[2]} for i in res if float(i[1]) > 10000)
6 print(dic_g)
7 #print(list(dic_g)) #直接取值
8 for i in dic_g: #for循环取值
9 print(i)
执行结果：
1 <generator object <genexpr> at 0x00000000026BB3B8>
2 {'name': 'tesla', 'price': '1000000', 'count': '1'}
3 {'name': 'lenovo', 'price': '30000', 'count': '3'}