python全栈开发-Day11 迭代器生成器面向过程编程

Posted 2020-10-29 明天的希望，让我们忘了今天的痛苦。

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python全栈开发-Day11 迭代器生成器面向过程编程相关的知识，希望对你有一定的参考价值。

一、迭代器

一、迭代的概念

　　迭代器即迭代的工具，那什么是迭代呢？
　　迭代是一个重复的过程，每次重复即一次迭代，并且每次迭代的结果都是下一次迭代的初始值

while True: #只是单纯地重复，因而不是迭代
    print(‘===>‘) 
    
l=[1,2,3]
count=0
while count < len(l): #迭代
    print(l[count])
    count+=1

二、为何要有迭代器？什么是可迭代对象？什么是迭代器对象？

1、为何要有迭代器？

　　对于序列类型：字符串、列表、元组，我们可以使用索引的方式迭代取出其包含的元素。
但对于字典、集合、文件等类型是没有索引的，若还想取出其内部包含的元素，则必须找出一种不依赖于索引的迭代方式，这就是迭代器。

迭代器：迭代取值工具

2、什么是可迭代对象？

　　可迭代对象指的是内置有__iter__()方法的对象，即obj.__iter__()，如下：

‘hello‘.__iter__()
(1,2,3).__iter__()
[1,2,3].__iter__()
{‘a‘:1}.__iter__()
{‘a‘,‘b‘}.__iter__()
open(‘a.txt‘).__iter__()

3、什么是迭代器对象？

　　可迭代对象执行obj.__iter__()得到的结果就是迭代器对象，而迭代器对象指的是即内置有__iter__()又内置有__next__()方法的对象。

文件类型是迭代器对象 open(‘a.txt‘).__iter__() open(‘a.txt‘).__next__()

#‘hello‘.__iter__()        
#(1,2,3).__iter__()
#[1,2,3].__iter__()
#{‘a‘:1}.__iter__()
#{‘a‘,‘b‘}.__iter__()
#open(‘a.txt‘).__iter__()
open(‘a.txt‘).__iter__()
open(‘a.txt‘).__next__()   #我们发现只有文件是迭代器对象

4、注意：迭代器对象一定是可迭代对象，而可迭代对象不一定是迭代器对象

三、迭代器对象的使用

dic={‘a‘:1,‘b‘:2,‘c‘:3}
iter_dic=dic.__iter__() #得到迭代器对象，迭代器对象即有__iter__()又有__next__()，但是：迭代器.__iter__()得到的仍然是迭代器本身
iter_dic.__iter__() is iter_dic #True

print(iter_dic.__next__()) #等同于next(iter_dic)
print(iter_dic.__next__()) #等同于next(iter_dic)
print(iter_dic.__next__()) #等同于next(iter_dic)
# print(iter_dic.__next__()) #抛出异常StopIteration，或者说结束标志

#有了迭代器，我们就可以不依赖索引迭代取值了
iter_dic=dic.__iter__()
while 1:    #布尔值不是0,空,None  False    别的都是Ture
    try:
        k=next(iter_dic)
        print(dic[k])
    except StopIteration:
        break
        
#这么写太low了，还需要我们自己捕捉异常，控制next，
python这么牛逼，肯定有简洁模式！请看for循环

四、for循环

#基于for循环，我们可以完全不再依赖索引去取值了
dic={‘a‘:1,‘b‘:2,‘c‘:3}
for line in dic:
    print(dic[line])

# for循环原理分析：
#1、for 循环称之为迭代器循环，in后跟的必须是可迭代的对象
#2、for循环会执行in后对象的__iter__方法，拿到迭代器对象
#3、然后调用迭代器对象的__next__方法，拿到一个返回值赋值给line，执行一次循环体
#4、周而复始，直到取值完毕，for循环会检测到异常自动结束循环

五、迭代器的优缺点

优点：

　　1、提供一种统一的、不依赖于索引的取值方式

　　2、惰性计算，节省内存

缺点：

　　1、取值麻烦，只能一个一个取，只能往后走

　　2、一次性的，不能往前退无法获取长度（只有在next完毕才知道到底有几个值）

二、生成器

一、什么是生成器

#只要函数内部包含有yield关键字，那么函数名()的到的结果就是生成器，并且不会执行函数内部代码

def func():
    print(‘====>first‘)
    yield 1
    print(‘====>second‘)
    yield 2
    print(‘====>third‘)
    yield 3
    print(‘====>end‘)

g=func()
print(g) #<generator object func at 0x0000000002184360>

二、生成器就是迭代器

def func():
    print(‘====>first‘)
    yield 1
    print(‘====>second‘)
    yield 2
    print(‘====>third‘)
    yield 3
    print(‘====>end‘)

g=func()
g.__iter__
g.__next__       
#上面所讲的同时有__iter__()和__next()方法,就是迭代器
#所以生成器就是迭代器，因此可以这么取值
res=next(g)
print(res)    #一次next()执行一次yield

三、练习

自定义函数模拟range(1,7,2)

def my_range(start,stop,step=1):
    while start < stop:
        yield start
        start+=step

#执行函数得到生成器，本质就是迭代器
obj=my_range(1,7,2) #1  3  5
print(next(obj))
print(next(obj))
print(next(obj))
print(next(obj)) #StopIteration

#应用于for循环
for i in my_range(1,7,2):
    print(i)