迭代器和生成器的一些注意问题

一、迭代器

可迭代的（可迭代对象）：
可迭代对象都是可迭代的。如：str、list、dict、tuple、文件对象等等
只要是对象有__iter__内部方法，就可以称之为可迭代对象

迭代器：
迭代器也是可迭代的，他不光有__iter__方法，还有__next__方法。
迭代器一次只能取一个值，直到取完后引发一个错误
获得一个迭代器：
调用可迭代对象的__iter__()就可以获得迭代器
使用迭代器：

• 调用迭代器的__next__()方法
• 使用for循环

迭代器的特点：

• 惰性运算
• 从前到后一次去取值,过程不可逆 不可重复
• 节省内存

如何判断一个变量是不是迭代器或者可迭代的方法一：print('__iter__' in dir([1,2,3,4]))print('__next__' in dir([1,2,3,4]))方法二：from collections import Iterablefrom collections import Iteratorprint(isinstance([1,2,3,4],Iterable))str_iter = 'abc'.__iter__()print(isinstance(str_iter,Iterator))print(isinstance('abc',Iterable))

二、生成器

生成器的本质就是迭代器，它有迭代器的所有特点，只不过生成器是自己编写的python 代码

1、生成器函数

生成器函数和普通函数之间的区别：

• 生成器函数中含有yield关键字
• 生成器函数调用的时候不会立即执行，而是返回一个生成器

def g_func():    print('aaaa')    yield 1    print('bbbb')    yield 2    yield 3g = g_func()for i in g:    print(i)print(g.__next__())print(g.__next__())print(g.__next__())

def cloth():    for i in range(1000000):        yield  '衣服%s'%ig = cloth()for i in range(50):    print(g.__next__())for i in range(50):    print(g.__next__())

2、sned用法（进阶）

def func():    print('*'*10)    a = yield 5    print('a : ',a)    yield 10g = func()num = g.__next__()# print(num)num2 = g.send('alex')num2 = g.send('aaaa')print(num2)

**在下面的例子中，send会在”yield average”处返回average,并将10传递到”yield average”处
**

def averager():    total = 0.0    count = 0    average = None    while True:        term = yield average        total += term        count += 1        average = total/countg_avg = averager()g_avg.__next__() ---》 先使用一次生成器，返回的值是Noneprint(g_avg.send(10)) ---》 传递的值是10，然后执行term =10，执行到第二次循环的yield average时候，返回average，这里打印的是第一次循环中的average = total/count计算出的值print(g_avg.send(30)) ---》 从term = 处执行代码，然后把下一次循环的average返回，然后暂停print(g_avg.send(20))print(g_avg.send(100))print(g_avg.send(200))

生成器的预激装饰器
在使用send的时候，需要先使用一次next方法，具体因素参照上面的例子

def init(func):  #生成器的预激装饰器    def inner(*args,**kwargs):        g = func(*args,**kwargs)   #func = averager        g.__next__()        return g    return inner@initdef averager():    total = 0.0    count = 0    average = None    term = yield average    total += term    count += 1    average = total/count    yield averageg_avg = averager()print(g_avg.send(10))print(g_avg.send(30))

3、总结

• 生成器函数：生成一个生成器的函数
• 生成器的本质参数迭代器
• 生成器函数的特点：
  
  • 带有yield关键字
  • 且调用之后，函数内的代码不执行
• 触发执行的方式：
  
  • next
  • send ：send(None) == __next__(),send在next的基础上传一个值到生成器函数内部(send操作不能用在生成器使用的第一次)
  • for循环

三、生成器表达式

1、引子

（1）、列表推导式

例一：30以内所有能被3整除的数

>>> [i for i in range(30) if i%3 == 0][0, 3, 6, 9, 12, 15, 18, 21, 24, 27]

例二：30以内所有能被3整除的数的平方

>>> [i**2 for i in range(30) if i%3 == 0][0, 9, 36, 81, 144, 225, 324, 441, 576, 729]

例三:找到嵌套列表中名字含有两个‘e’的所有名字

names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]>>> [j for i in names for j in i if j.count('e') == 2]['Jefferson', 'Wesley', 'Steven', 'Jennifer']

（2）、字典推导式

例一：将一个字典的key和value对调

>>> dic = {'a': 10, 'b': 34}>>> {dic[k]:k for k in dic}{10: 'a', 34: 'b'}>>> 

例二：合并大小写对应的value值，将k统一成小写

>>> dic= {'a': 10, 'b': 34, 'A': 7, 'Z': 3}>>> {k.lower():dic.get(k.lower(),0) + dic.get(k.upper(),0)for k in dic}{'a': 17, 'b': 34, 'z': 3}

（3）、集合推导式

例：计算列表中每个值的平方，自带去重功能

>>> {i**2 for i in [1,-1,2]}{1, 4}

2、生成器表达式

g = (i*i for i in y)for i in g:    print(i)