可迭代对象：
可以被 for 循环都是可迭代的
拥有__iter__方法 ----可迭代协议
特点：惰性运算
例如:range(),str,list,tuple,dict,set
迭代器Iterator：
拥有__iter__方法和__next__方法 ---迭代器协议
迭代器中的__next__()方法可以一个一个的获取值
例如:iter(range()),iter(str),iter(list),iter(tuple),iter(dict),iter(set),reversed(list_o),map(func,list_o),filter(func,list_o),file_o
迭代器的好处：
从容器类型中一个一个的取值，会把所有的值都取到。且只能取一次
节省内存空间
迭代器并不会在内存中再占用一大块内存，
而是随着循环 每次生成一个
每次next每次给我一个
生成器Generator：
本质：迭代器，所以拥有__iter__方法和__next__方法
特点：惰性运算,开发者自定义
使用生成器的优点：
1.延迟计算，一次返回一个结果。也就是说，它不会一次生成所有的结果，这对于大数据量处理，将会非常有用。
# 生成器 —— 迭代器
# 生成器函数
# 含有yield关键字的函数都是生成器函数
# 生成器函数的特点
#调用之后函数内的代码不执行，返回生成器
#每从生成器中取一个值就会执行一段代码，遇见yield就停止。
#如何从生成器中取值：
# for ：如果没有break会一直取直到取完
# next ：每次只取一个
# send ：不能用在第一个，取下一个值的时候给上个位置传一个新的值
# 数据类型强制转换 ：会一次性把所有数据都读到内存里
#特点：
#调用函数的之后函数不执行，返回一个生成器
#每次调用next方法的时候会取到一个值
#直到取完最后一个，在执行next会报错
#生成器函数 # def generator(): # print(1) # return 'a' # # ret = generator() # print(ret) #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 # def generator(): # print(1) # yield 'a' # #生成器函数 ： 执行之后会得到一个生成器作为返回值 # ret = generator() # print(ret) # print(ret.__next__()) # def generator(): # print(1) # yield 'a' # print(2) # yield 'b' # yield 'c' # g = generator() # for i in g: # print(i) # ret = g.__next__() # print(ret) # ret = g.__next__() # print(ret) # ret = g.__next__() # print(ret) #娃哈哈%i def wahaha(): for i in range(2000000): yield '娃哈哈%s'%i # g = wahaha() # g1 = wahaha() # print(g.__next__()) # print(g1.__next__()) # g = wahaha() # count = 0 # for i in g: # count +=1 # print(i) # if count > 50: # break # # print('*******',g.__next__()) # for i in g: # count +=1 # print(i) # if count > 100: # break
生成器表达式
# (条件成立想放在生成器中的值 for i in 可迭代的 if 条件)
监听列子
def jt(filename): f = open(filename,encoding='utf-8') while True: line = f.readline() if line.strip(): yield line.strip() g = jt('file') for i in g: if 'python' in i: print('***',i)
send
send 获取下一个值的效果和next基本一致
只是在获取下一个值的时候，给上一yield的位置传递一个数据
使用send的注意事项
第一次使用生成器的时候 是用next获取下一个值
最后一个yield不能接受外部的值
获取移动平均值
# avg = sum/count # def average(): # sum = 0 # count = 0 # avg = 0 # while True: # num = yield avg # sum += num # 10 # count += 1 # 1 # avg = sum/count # # avg_g = average() # avg_g.__next__() # avg1 = avg_g.send(10) # avg1 = avg_g.send(20) # print(avg1)
预激生成器的装饰器
# def init(func): #装饰器 # def inner(*args,**kwargs): # g = func(*args,**kwargs) #g = average() # g.__next__() # return g # return inner # # @init # def average(): # sum = 0 # count = 0 # avg = 0 # while True: # num = yield avg # sum += num # 10 # count += 1 # 1 # avg = sum/count # # avg_g = average() #===> inner # ret = avg_g.send(10) # print(ret) # ret = avg_g.send(20) # print(ret)
yield from
#python 3 # def generator(): # a = 'abcde' # b = '12345' # for i in a: # yield i # for i in b: # yield i # def generator(): # a = 'abcde' # b = '12345' # yield from a # yield from b # # g = generator() # for i in g: # print(i)
生成器表达式
#[每一个元素或者是和元素相关的操作 for 元素 in 可迭代数据类型] #遍历之后挨个处理
#[满足条件的元素相关的操作 for 元素 in 可迭代数据类型 if 元素相关的条件] #筛选功能
生成器表达式 1. print([i*i for i in range(10)]) 翻译如下 # g = (i for i in range(10)) # print(g) # for i in g: # print(i)
# #30以内所有能被3整除的数 # ret = [i for i in range(30) if i%3 == 0] #完整的列表推导式 # g = (i for i in range(30) if i%3 == 0) #完整的列表推导式 # print(ret) # # #30以内所有能被3整除的数的平方 # ret = [i*i for i in (1,2,3,4) if i%3 == 0] # ret = (i*i for i in range(30) if i%3 == 0) # print(ret) # # # 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']] # ret = [name for lst in names for name in lst if name.count('e') ==2] # ret = (name for lst in names for name in lst if name.count('e') ==2) # print(ret) #字典推导式 # 例一：将一个字典的key和value对调 # mcase = {'a': 10, 'b': 34} # #{10:'a' , 34:'b'} # mcase_frequency = {mcase[k]: k for k in mcase} # print(mcase_frequency) # 例二：合并大小写对应的value值，将k统一成小写 # mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3} # #{'a':10+7,'b':34,'z':3} # mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase} # print(mcase_frequency) #集合推导式，自带结果去重功能 # squared = {x**2 for x in [1, -1, 2]} # print(squared)
# 3.处理文件，用户指定要查找的文件和内容，将文件中包含要查找内容的每一行都输出到屏幕 # def check_file(filename,aim): # with open(filename,encoding='utf-8') as f: #句柄 : handler,文件操作符，文件句柄 # for i in f: # if aim in i: # yield i # # g = check_file('1.复习.py','生成器') # for i in g: # print(i.strip()) # 4.写生成器，从文件中读取内容，在每一次读取到的内容之前加上‘***’之后再返回给用户。 # def check_file(filename): # with open(filename,encoding='utf-8') as f: #句柄 : handler,文件操作符，文件句柄 # for i in f: # yield '***'+i # # for i in check_file('1.复习.py'): # print(i.strip())
def add(n, i): return n+i def test(): for i in range(4): yield i g = test() for n in [1,10,5]: # n = 1 g =(add(n, i) for i in g) # g = add(n, i) for i in g # 其中 g = test() 如下 #分解for循环 >>> # g = add(n, i) for i in test() # n = 10 # g = add(n, i) for i in g # 其中 g = add(n, i) for i in test() 如下 # g = add(n, i) for i in add(n, i) for i in test() # n = 5 # g = add(n, i) for i in g # 其中 g =add(n, i) for i in add(n, i) for i in test()如下 # g = add(n, i) for i in add(n, i) for i in add(n, i) for i in test() #解 n = 5 # g = add(n, i) for i in add(n, i) for i in add(n, i) for i in test() #test() = (0,1,2,3) #g = add(n, i) for i in add(n, i) for i in add(n, i) for i in (0,1,2,3) #g = add(n, i) for i in add(n, i)for i in (5,6,7,8) #g = add(n, i) for i in (10,11,12,13) #g = (15,16,17,18) print(list(g)) def demo(): for i in range(4): yield i g = demo() g1 = (i for i in g) g2 = (i for i in g1) print(list(g)) # g = demo() -> g 是生成器，list强转 list(g) = [0,1,2,3] g已经把生成器的值都取完了，生成器的特点，只能取一次值 # 所以后面的再取值 就是一个空的列表了，已经没有值了 print(list(g1)) print(list(g2))