python学习之- 生成器/迭代器

列表生成式写法：
　　[ i*2 for i in range(10) ]
也可以带函数
　　[ fun(i) for i in range(10) ]

生成器：一边循环一边计算的机制称为生成器。在常用函数中，使用yield语句来返回结果，一次只返回一个结果。（可以节省内存，只有在调用的时候才会生成相应的数据  ）
特点：只记录当前的位置，只有一个__next__()方法。
和列表的区别：生成器只有在调用的时候才会生成。
生成器表达式：同列表解析语法，只不过是把列表解析的[]换成()
比如：
l = [ x*x for x in range(10)]
g = ( x*x for x in range(10))
这里：l就是一个列表，g是一个生成器
生成器的打印方法：1：使用__next__()函数(python3)，2：使用for循环
赋值语句：a,b = b,a+b  相当于  t=(b,a+b)  为a=t[0],b=t[1]
实例：斐波纳契数列：除第一个和第二个数外，任意一个数都可由前2个数相加得到。
def fib(max):
    n,a,b = 0,0,1
    while n < max:
        #print(b)
        yield b
        a,b = b,a+b
        n += 1
    #return 'done'
f = fib(100)
print('sfsfsd')
f.__next__()  使用生成器后，不会出现停顿，实现程序外部随时调用函数的值

yield 通过在单线程下实现并发运算的效果
  send方法：唤醒并同时给yield 传值
  next方法：只唤醒yield
生成器特点：

生成器唯一注意的事项：生成器只能遍历一次。

迭代对象：可以直接作用于for循环的对象统称为可迭代对象。(iterable) 如：列表，字典，集合等，还有生成器
迭代器：可以被next()函数调用要么返回下一个值，要么引起StopIteration异常的对象称为迭代器：iterator
内置方法：isinstance()方法可以判断一个对象是否是可迭代对象。
可迭代对象都可以通过：iter()函数变为迭代器iterator
a = [1,2,3]
b = iter(a)
print(b.__next__())
print(b.__next__())
迭代器的计算属于惰性计算，就是在需要返回下一个值时才会计算。
迭代器可以表示一个无限大的数据流。（如全体自然数）列表是则是不可以。
举例：
#首先获得迭代器（iterator)对象
it = iter([1,2,3,4,5])
while True:
    try:
        #获得下一个值
        x = next(it)
    export StopIteration:
        # 遇到StopIteration就退出循环
        break

举例：用生成器实现吃包子（基本的生产者/消费者模型）

def consumer(name):  # 消费者
    print(' %s 准备吃包子' % (name))
    while True:
        baozi = yield
        print('%s 包子来了, %s 吃包子' % (baozi,name))

def producer(name):  # 生产者
    c1 = consumer('jack')
    c2 = consumer('Anne')
    c1.__next__()
    c2.__next__()
    print('%s 开始做包子........' % name)
    for i in range(10):
        time.sleep(1)
        print('%s 做完2个包子' % name)
        c1.send(i)
        c2.send(i)

# 执行生产者
producer('vivi')

举例：使用生成器生成进度条

def show_process(total):
    """使用生成器打印进度条"""
    curr = 0
    percent = 0
    print('开始打印进度条')
    while curr <= total:
        if int((curr / total) * 100) > percent:
            sys.stdout.write('#'*curr + '%s%%' % curr + '
')
            sys.stdout.flush()
            percent = int((curr / total) * 100)
        new_size = yield
        curr += new_size


x = show_process(100)
x.__next__()
for i in range(1,101):
    x.send(1)