迭代器与生成器

迭代器

咱们已经知道，能够直接做用于for循环的数据类型有如下几种：

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。

这些能够直接做用于for循环的对象统称为可迭代对象：Iterable。

而生成器不但能够做用于for循环，还能够被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示没法继续返回下一个值了。

*能够被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

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

把list、dict、str等Iterable变成Iterator可使用iter()函数。

这是由于Python的Iterator对象表示的是一个数据流，Iterator对象能够被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。能够把这个数据流看作是一个有序序列，但咱们却不能提早知道序列的长度，只能不断经过next()函数实现按需计算下一个数据，因此Iterator的计算是惰性的，只有在须要返回下一个数据时它才会计算。

Iterator甚至能够表示一个无限大的数据流，例如全体天然数。而使用list是永远不可能存储全体天然数的。

迭代协议

• 迭代器协议是指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引发一个StopIteration异常，以终止迭代 （只能日后走不能往前退）
• 可迭代对象：实现了迭代器协议的对象（如何实现：对象内部定义一个__iter__()方法）
• 协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环，sum，min，max函数等)使用迭代器协议访问对象。
• for循环的本质就是遵循迭代器协议去访问对象，那么for循环的对象确定都是迭代器。
• 不可迭代对象：字符串，列表，元组，字典，集合，文件对象。只不过经过for循环，调用了他们内部的__iter__方法,把他们变成了可迭代对象。

特色：

    1.生成器是可迭代对象

    2.实现了延迟计算，看内存(按需，执行)

    3.生成器本质和其余类型同样，都是实现了迭代器协议，只不过生成器是一边计算，一边生成，从而节省内存空间，其他的可迭代对象可没有好处。

小结

凡是可做用于for循环的对象都是Iterable类型；

凡是可做用于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，不过能够经过iter()函数得到一个Iterator对象。

Python的for循环本质上就是经过不断调用next()函数实现的

 

 

 

生成器

经过列表生成式，咱们能够直接建立一个列表。可是，受到内存限制，列表容量确定是有限的。并且，建立一个包含100万个元素的列表，不只占用很大的存储空间，若是咱们仅仅须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。

因此，若是列表元素能够按照某种算法推算出来，那咱们是否能够在循环的过程当中不断推算出后续的元素呢？这样就没必要建立完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

生成器就是迭代器，能够理解为一种数据类型，这种类型自动实现了迭代器协议.（其余的数据类型须要调用本身内置的__iter__方法），因此生成器就是可迭代对象。

生成器给了咱们什么好处

Python使用生成器对延迟操做提供了支持。所谓延迟操做，是指在须要的时候才产生结果，而不是当即产生结果。这也是生成器的主要好处。

生成器小结：

• 是可迭代对象
• 实现了延迟计算
• 生成器本质和其余的数据类型同样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处，其他的可迭代对象可没有这点好处。

建立一个生成器

 要建立一个generator，有不少种方法。第一种方法很简单，只要把一个列表生成式的[]改为()，就建立了一个generator：

1 t = [x+1 for x in range(4)]
2 
3 print(t)
4 
5 t = (x+1 for x in range(4))
6 
7 print(t)

第一个t是一个list 第二个t是一个generator。咱们可使用for循环将list中的每一个元素取出来，可是要取出generator中的元素，通常来讲是使用__next__()方法，可是每次使用只能打印出一个元素。当元素的数据量过于庞大时，也可使用for方法。这只是定义generator的一种方法。除了这个方法，咱们还能够经过在函数中添加yiled关键字来将函数改变成generator。例如咱们能够用生成器写一个斐波那契数列。

 1 def fib(max):
 2     n,a,b = 0,0,1
 3 
 4     while n < max:
 5         #print(b)
 6         yield  b #只要是含有yield关键字就是生成器 能够yield屡次 yield保存函数的状态
 7         a,b = b,a+b
 8 
 9         n += 1
10 
11 t = fib(10)
12 
13 print(t.__next__()) #生成器自动实现了迭成器,因此会有__next__()方法。
14 print(t.__next__()) #运行一次，至关于保存的是上一次内存里状态的结果

这里，最难理解的就是generator和函数的执行流程不同。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

 1 data = fib(10)
 2 print(data)
 3 
 4 print(data.__next__())
 5 print(data.__next__())
 6 print("干点别的事")
 7 print(data.__next__())
 8 print(data.__next__())
 9 print(data.__next__())
10 print(data.__next__())
11 print(data.__next__())
12 
13 #输出
14 <generator object fib at 0x101be02b0>
15 1
16 干点别的事
17 3
18 8

在上面fib的例子，咱们在循环过程当中不断调用yield，就会不断中断。固然要给循环设置一个条件来退出循环，否则就会产生一个无限数列出来。

一样的，把函数改为generator后，咱们基本上历来不会用next()来获取下一个返回值，而是直接使用for循环来迭代。

可是用for循环调用generator时，发现拿不到generator的return语句的返回值。若是想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中。

还可经过yield实如今单线程的状况下实现并发运算的效果

#_*_coding:utf-8_*_
__author__ = 'Alex Li'

import time
def consumer(name):
    print("%s 准备吃包子啦!" %name)
    while True:
       baozi = yield

       print("包子[%s]来了,被[%s]吃了!" %(baozi,name))


def producer(name):
    c = consumer('A')
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print("老子开始准备作包子啦!")
    for i in range(10):
        time.sleep(1)
        print("作了2个包子!")
        c.send(i)
        c2.send(i)

producer("alex")

经过生成器实现协程并行运算

send触发yield返回值原理，一下面的代码为例

 1 def consumer(name):
 2     print("%s 准备吃包子啦!" %name)
 3     while True:
 4        baozi = yield
 5 
 6        print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
 7 
 8 c = consumer("alex")
 9 
10 c.__next__()
11 c.send("韭菜馅")

过程以下图

yield相似于return语句，可是yileld不光能够返回值，还能接受传值。同时yield也是一段代码中断和开始的地方。

总结：

1.把列表解析的[]换成()获得的就是生成器表达式

2.列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存

3.Python不但使用迭代器协议，让for循环变得更加通用。大部份内置函数，也是使用迭代器协议访问对象的。例如， sum函数是Python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议，因此，咱们能够直接这样计算一系列值的和。