迭代器和生成器

本节导读：

可迭代对象
迭代器
可迭代和迭代器的区别
判断迭代器和可迭代对象的方法
生成器

一可迭代对象

什么叫迭代？：一个一个取值，就像for循环一样取值

可以直接作用于for循环的对象统称为可迭代对象：Iterable，有以下两类

一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。

迭代器协议：可以被迭代要满足要求的就叫做可迭代协议。内部实现了__iter__方法

二迭代器

　　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，其内部实现了__iter__，__next__方法，

迭代器大部分都是在python的内部去使用的，我们直接拿来用就行了

　　迭代器的优点：如果用了迭代器，节约内存，方便操作

三可迭代和迭代器的相同点和不同点

　　都可以用for循环，迭代器内部多实现了一个__next__方法

四判断迭代器和可迭代对象的方法

第一种：判断内部是不是实现了__next__方法

 '__iter__' in dir(str)#如果__iter__在这个方法里面，就是可迭代的。

第二种：

Iterable 判断是不是可迭代对象

Iterator 判断是不是迭代器

from collections import Iterable  
from collections import Iterator

#比如给一个字符串
s='abc'
print(isinstance(s,Iterable))#isinstance判断类型的
print(isinstance(s,Iterator))

#判断range和map函数
map1=map(abs,[1,-2,3,-4])
print(isinstance(map1,Iterable))
print(isinstance(map1,Iterator))#map方法自带迭代器

s=range(100)#是一个可迭代的，但是不是迭代器
print(isinstance(s,Iterable))
print(isinstance(s,Iterator))

五生成器

列表生成式

# ======一层循环======
l = [i*i for i in range(1,10)]
print(l)
# 上面的列表推倒式就相当于下面的
l  = []
for i in range(1,10):
    l.append(i*i)
print(l)
l = []


# ======多层循环========
# 1.列表推倒式
l = [i*j for i in range(1,10) for j in range(1,10)]
print(l)
# 2.循环
l = []
for i in range(1,10):
    for j in range(1,10):
        s = i*j
        l.append(s)
print(l)

　　通过列表生成式，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。

生成器不必创建完整的list，通过next()方法随用随取，从而节省大量的空间。

生成器的创建

生成器表达式
只要把一个列表生成式的[]改成()，
yield生成器函数,
遇到yeild，函数就冻结，并返回yeild后面的值，同过next()方法，使函数继续从yeild之后执行
如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用次方法来实现。

yield函数：

send 用法

def test():
    for i in range(10):
         ret = yield
         print('这是send发送的结果',ret)

a = test()
next(a)  # 在send数据前必须要先next一下，不然会报错
a.send('asdf')

yield from 用法

def func():
    # for i in 'AB':
    #     yield i
    yield from 'AB'     yield from 'AB'就相当于上面的for循环，吧循环简化了
    yield from [1,2,3]

g=func()
print(list(g))
# print(next(g))
# print(next(g))

　　你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

Python3的for循环本质上就是通过不断调用next()函数实现的