python ==》 迭代器 and 生成器

迭代器（Interable）

Interabe：可迭代的，顾名思义，一个一个的取值就叫迭代。

迭代分两种：可迭代类型，不可迭代类型。

可以迭代的类型有：

str　　字符串

list　　列表

tuple　元组

set　　集合

dict　　字典

不可迭代的类型有： 

int　　整型

定义：通常的，一个数据可以被for循环的，说明他们都是可迭代的。

那我们怎么来证明呢？

from collections import Iterable  #可迭代
                             
l = [1,2,3,4]           #列表
t = (1,2,3,4)           #元组     
d = {1:2,3:4}         #字典       
s = {1,2,3,4}          #集合      
                             
print(isinstance(l,Iterable))    #判断
print(isinstance(t,Iterable))    #判断
print(isinstance(d,Iterable))    #判断
print(isinstance(s,Iterable))    #判断

可迭代协议

我们现在是从结果分析原因，能被for循环的就是“可迭代的”，但是如果正着想，for怎么知道谁是可迭代的呢？

假如我们自己写了一个数据类型，希望这个数据类型里的东西也可以使用for被一个一个的取出来，那我们就必须满足for的要求。这个要求就叫做“协议”。

可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单，就是内部实现了__iter__方法。

接下来我们就来验证一下：

print(dir([1,2]))
print(dir((2,3)))
print(dir({1:2}))
print(dir({1,2}))

['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'count', 'index']
['__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'clear', 'copy', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']
['__and__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__iand__', '__init__', '__ior__', '__isub__', '__iter__', '__ixor__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__or__', '__rand__', '__reduce__', '__reduce_ex__', '__repr__', '__ror__', '__rsub__', '__rxor__', '__setattr__', '__sizeof__', '__str__', '__sub__', '__subclasshook__', '__xor__', 'add', 'clear', 'copy', 'difference', 'difference_update', 'discard', 'intersection', 'intersection_update', 'isdisjoint', 'issubset', 'issuperset', 'pop', 'remove', 'symmetric_difference', 'symmetric_difference_update', 'union', 'update']

总结一下我们现在所知道的：可以被for循环的都是可迭代的，要想可迭代，内部必须有一个__iter__方法。

接着分析，__iter__方法做了什么事情呢？

print([1,2].__iter__())

结果
<list_iterator object at 0x1024784a8>

执行了list([1,2])的__iter__方法，我们好像得到了一个list_iterator，现在我们又得到了一个新名词——iterator。

iterator，这里给我们标出来了，是一个计算机中的专属名词，叫做迭代器。 

可迭代协议：

凡是可迭代的内部都有一个iter方法。

通过   iter()  方法得到的结果就是一个迭代器，迭代器里既有  iter()方法，又有  next()  方法。

迭代器：

'''
dir([1,2].__iter__())是列表迭代器中实现的所有方法，dir([1,2])是列表中实现的所有方法,都是以列表的形式返回给我们的，为了看的更清楚，我们分别把他们转换成集合，
然后取差集。
'''
#print(dir([1,2].__iter__()))
#print(dir([1,2]))
print(set(dir([1,2].__iter__()))-set(dir([1,2])))

结果：
{'__length_hint__', '__next__', '__setstate__'}

我们看到在列表迭代器中多了三个方法，那么这三个方法都分别做了什么事呢？

iter_l = [1,2,3,4,5,6].__iter__()
#获取迭代器中元素的长度
print(iter_l.__length_hint__())
#根据索引值指定从哪里开始迭代
print('*',iter_l.__setstate__(4))
#一个一个的取值
print('**',iter_l.__next__())
print('***',iter_l.__next__())

这三个方法中，能让我们一个一个取值的神奇方法是谁？

没错！就是__next__

在for循环中，就是在内部调用了__next__方法才能取到一个一个的值。

那接下来我们就用迭代器的next方法来写一个不依赖for的遍历。

list = [1,2,3,4]
list_iter = list.__iter__()
item = list_iter.__next__()
print(item)
item = list_iter.__next__()
print(item)
item = list_iter.__next__()
print(item)
item = list_iter.__next__()
print(item)
item = list_iter.__next__()
print(item)


结果：
1
Traceback (most recent call last):
2
3
4
  File "E:/zbk/notes_/notes_8.2.py", line 151, in <module>
    item = list_iter.__next__()
StopIteration

Process finished with exit code 1

这是一段会报错的代码，如果我们一直取next取到迭代器里已经没有元素了，就会抛出一个异常StopIteration，告诉我们，列表中已经没有有效的元素了。

这个时候，我们就要使用异常处理机制来把这个异常处理掉。

list = [1,2,3,4]
list_iter = list.__iter__()
while True:
    try:
        item = list_iter.__next__()
        print(item)
    except StopIteration:
        break


结果：
1
2
3
4

Process finished with exit code 0

那现在我们就使用while循环实现了原本for循环做的事情，我们是从谁那儿获取一个一个的值呀？是不是就是list_iter？

好了，这个list_iter就是一个迭代器。

迭代器遵循迭代器协议：必须拥有__iter__方法和__next__方法。

迭代器的特点：

　　1.大部分都是在python的内部去使用，我们直接拿来用就可以了。

　　2.内置包括  iter  和  next  方法。   否则  就不是迭代器。

　　3.判断是否是迭代器  和   可迭代对象的简单方法。

　　　　from collections import  Iterable
　　　　from collections import  Iterator

　　4.不管是一个迭代器还是一个可迭代对象，都可以使用for循环遍历。

　　5.迭代器出现的原因，就是来  帮我们节省内存的。

小结：

可迭代协议： 内部实现了__iter__方法。

迭代器协议： 内部实现了__iter__ 和  __next__方法。

可迭代和迭代器的不同点： 迭代器实现了一个 next 方法。

可迭代和迭代器的相同点：都可以用for循环。

为什么要有for循环

基于上面讲的列表这一大堆遍历方式，聪明的你立马看除了端倪，于是你不知死活大声喊道，你这不逗我玩呢么，有了下标的访问方式，我可以这样遍历一个列表啊

l=[1,2,3]

index=0
while index < len(l):
    print(l[index])
    index+=1

#要毛线for循环，要毛线可迭代，要毛线迭代器

没错，序列类型字符串，列表，元组都有下标，你用上述的方式访问，perfect！但是你可曾想过非序列类型像字典，集合，文件对象的感受，所以嘛，年轻人，for循环就是基于迭代器协议提供了一个统一的可以遍历所有对象的方法，即在遍历之前，先调用对象的__iter__方法将其转换成一个迭代器，然后使用迭代器协议去实现循环访问，这样所有的对象就都可以通过for循环来遍历了，而且你看到的效果也确实如此，这就是无所不能的for循环，觉悟吧，年轻人

初识生成器

我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是可以节省内存。

如果在某些情况下，我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

 

Python中提供的生成器：

1.生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表

 

生成器Generator：

　　本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)

　　特点：惰性运算,开发者自定义

#生成器函数
def func():
    print('aaaa')
    a =1
    yield a   #产生生成器函数
    print('bbbb')
    yield 12
ret = func()  #拿到生成器
print(ret)
print(next(ret))


结果：
<generator object func at 0x000001F8C1783BF8>
aaaa
1

第一是执行调用next(ret) 会对应打印输出 第一个yield  a 以上的内容，以后的就不会执行下去。

要调用第二次next(ret)才会对应的打印输出 第二个 yield 12.  

def func():
    print('aaaa')
    a =1
    yield a   #产生生成器函数
    print('bbbb')
    yield 12
ret = func()  #拿到生成器
print(ret)
print(next(ret))
print(next(ret))


结果：
<generator object func at 0x00000270D5593BF8>
aaaa
1
bbbb
12

计算移动平均值：

def averager():
    total = 0
    day = 0
    avrage = 0
    while True:
        day_num = yield avrage
        total += day_num
        day +=1
        avrage = total/day
avg = averager()
next(avg) #激活生成器
print(avg.send(10))
print(avg.send(20))
print(avg.send(30))


结果：
10.0
15.0
20.0

Process finished with exit code 0