生成器迭代器

1.生成器
特点：只负责生产，只能往前走，不能回退，生产结束时，若在生产，就报错StopIteration

列表生成式：a = [i for i in range(10)] = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
生成器：一边循环一边计算的机制称为生成器，通过next()调用下一个元素

b = (i for i in range(10)) = <generator object <genexpr> at 0x000001A2AACF3048>

next(b) b.__next__() b.send('ok') for i in b: while True 这三种方法生产完成后，只有for不会报错StopIteration

print(i) next(b)

1.1.生成器的2种创建方式：

 1   b = (i for i in range(10))
 2 
 3   def fib(max):        
 4     n,a,b=0,0,1
 5     while n < max:
 6         yield b
 7         a,b=b,a+b
 8         n += 1
 9 
10   def range(n):
11         count = 0
12     while count < n:
13         yield count
14         return 'ss'
15         count+=1
16 
17   
18   def fib(max):
19     n,a,b=0,0,1
20     while n <max:
21         sign = yield b
22         print(sign)
23         if sign == 'stop':
24             break
25         a,b=b,a+b
26         n += 1
27    b=fib(13)
28    next(b)
29    b.__next__()
30    b.send('ok')
31    b.send('stop')

总结：yield
1.函数有了yield之后，函数名加（）就得到了一个生成器
2.函数有了yield之后，return在生成器里，代表生成器的终止直接报错
3.函数有了yield之后，函数的每个运行过程都可以拿到，处理大文件比较适合

return与yield的区别：
1.return 返回数据并终止function
2.yield 返回数据并冻结当前的执行过程，要想启动，就得next()。next()唤醒后，继续执行，直到遇到下一个yield

----------------------------------------------------

2.迭代器

2.1.可迭代对象（Iterable）： list tuple dict set str
generator yield的generator function

判断是否是可迭代对象：---->可直接作用于for循环的对象是可迭代对象
>>> from collections import Iterable
>>> isinstance([1,2,3],Iterable)
True

2.2.迭代器(Iterator)：可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator

判断是否是迭代器：----->生成器是迭代器的一种。
>>> from collections import Iterator
>>> isinstance([1,2,3],Iterator)
False
>>> isinstance((i for i in range(10)),Iterator)
True

2.3.可迭代对象list tuple dict set str 使用iter()函数可以变成迭代器
>>> from collections import Iterator
>>> isinstance([1,2,3],Iterator)
False
>>> isinstance(iter([1,2,3]),Iterator)
True

2.4.迭代器对象表示一个数据流，不知道什么时候截止，不能使用len(),直到没有数据抛出StopIteration
数据流可以看作是一个有序序列，不知道长度，只能通过next()调用

生成器 迭代器

生成器迭代器