迭代器，生成器

Posted 2020-10-25 lara0520

一、什么是可迭代对象?

 方法一、dir(被测对象)，如果他含有__iter__,那这个对象就叫做可迭代对象

 s = "abc"
 print("__iter__" in dir(s))        #True
 print("__iter__" in dir(333))      #False

 遵循可迭代协议

    1.可迭代协议：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

　　iterable：可迭代的------对应的标志

　　什么叫迭代？：一个一个取值，就像for循环一样取值

       字符串，列表，元组，集合，字典都是可迭代的

    2、迭代器协议：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

 　　dir([1,2].__iter__())是列表迭代器中实现的所有的方法，而dir([1,2])是列表中实现的所有方法，都是以列表的方式返回给我们，为了方便看清楚，我们把他们转换成集合，然后取差集，然而，我们看到列表迭代器中多出了三个方法，那么这三个方法都分别是干什么的呢？

 print(dir([1,2].__iter__()))#查看列表迭代器的所有方法
 print(dir([1,2]))#查看列表的所有方法
 print(set(dir([1,2].__iter__()))-set(dir([1,2])))

  iter_list=[1,2,3,4,5,6].__iter__()

  print(iter_list.__length_hint__())#获取迭代器中元素的长度
  print(iter_list.__setstate__(4))#根据索引指定从哪里开始迭代
 
  print(iter_list.__next__())
  print(iter_list.__next__())
  print(iter_list.__next__())#一个一个的取值
  print(next(iter_l))
  next(iter_list)这个方法和iter_list.__next__()方法一样，
  推荐用next(iter_list)这个

 方法二、测试是迭代器还是可迭代对象

 type 只能判断数据类型

例子1

l = [1,2,3]
l_iter = l.__iter__()

from collections import Iterable
from collections import Iterator

print(isinstance(l,Iterable))       #True       #判断他是可迭代对象
print(isinstance(l,Iterator))       #False      #判断他是迭代器
print(isinstance(l_iter,Iterator))  #True
print(isinstance(l,list))           #True

例子：range 是可迭代对象还是迭代器

i = range(10)
# print( "__iter__" in  dir(range(10)))     #True
# print("__next__" in dir(range(10)))       #False

from collections import Iterable
from collections import Iterator
print(isinstance(i,Iterable))      #判断他是可迭代对象
print(isinstance(i,Iterator))      #判断他是迭代器

range例子

二、可迭代对象 iterable 与 迭代器 iterator 有什么关系


可迭代对象---> 转换成迭代器
可迭代对象__iter__() --->迭代器

s = "abc"
s1 = s.__iter__()
print(s1)   #<str_iterator object at 0x00000228E73F7278> 遵循得带协议

 li1 = [1,2,3,5]
 print("__iter__" in dir(list))           #True
 
 li2 = li1.__iter__()
 print("__next__" in dir(li2))           #True

 print(list2.__next__())
 print(list2.__next__())
 print(list2.__next__())
 print(list2.__next__())

 三、迭代器取值

只含有__iter__方法的数据是可迭代对象
含有__iter__方法,并且含有__next__方法的数据是迭代器

s2 = "abc"
s3 = s2.__iter__()   #<str_iterator object at 0x00000128D84A7828>
#
# print(s3.__next__())
# print(s3.__next__())
# print(s3.__next__())
print("__iter__" in dir(s2))   #True
print("__next__" in dir(s2))   #False
print("__iter__" in dir(s3))   #True
print("__next__" in dir(s3))   #True

例子1

l = [1,2,3,4,5]
print("__iter__" in dir(l))    #True
print("__next__" in dir(l))    #False

l2 = l.__iter__()
print(l2.__next__)
print(l2.__next__)
print(l2.__next__)
print(l2.__next__)
print(l2.__next__)

例子2

四、迭代器的意义

 1.迭代器节省内存
 2.迭代器惰性机制
 3,迭代器不能反复,一直向下执行.


五、for循环的机制.

内部含有__iter__方法,他会将可迭代对象先转化成迭代器,
然后在调用__next__方法.
他有异常处理的方法.

用while 循环模拟 for 循环机制

 li = [1,2,3]
 li_iter = li.__iter__()
 while True:
     try:                           #遇到错误，try一下
         print(li_iter.__next__())
     except StopIteration:
         break
     有异常处理能力

总结：
可迭代对象:str list tuple dict set range
迭代器: 文件句柄，map


六、生成器

（一）生成器的本质是迭代器，生成器是自己用python写的迭代器
    1,可以用生成器函数
    2,可以用各种推导式构建迭代器.
    3,可以通过数据转化.

（二）

 普通函数
 例子1.1
def func():
     print(111)
     return 222
 ret = func()
 print(ret)

 生成器函数，生成器
return yield 区别
return 返回给调用者值,并结束此函数.
yiled 返回给调用者值,并将指针停留着当前位置.
例子1.2

def gener():
    print("aaa")
    yield 222            #yield是表示是生成器函数
    print("bbb")
    yield 333
    print("ccc")
g = gener()              #不是执行函数，是产生生成器
print(g.__next__())      # 一个next,一个yield，并且光标停留在yield后
print(g.__next__())

例子2.1：
def cloth():
    for i in range(100):
        print(i)
cloth()

例子2.2：
方法一、
def cloth():
    for i in range(1000):
        yield "衣服%s"%i
f = cloth()
print(f.__next__())     #衣服0
print(f.__next__())     #衣服1

方法二、
def cloth():
    for i in range(1000):
        yield "衣服%s"%i
f = cloth()
for i in range(50):
    print(f.__next__())

例子2：range

 

(三)面试题

send
1.send 和 next 功能一样
2.给上一个 yiled 整体 发送一个值
3.获取第一个值的时候，不能用send,只能用next
可以给上一个yiled整体发送一个值

def gener():
    print("aaa")
    yield 222
    print("bbb")
    count = yield 333
    print("----->",count)
    yield "aaa"
    yield 333
g = gener()
print(g.__next__())
print(g.send(None))
print(g.send("AAAA"))

send例子

 

七、列表推导式

# (一)通过数据转换
# list()    tuple()    可以将生成器对象转换
# 生成器 = 生成器对象



#（二）列表推导式和生成器表达式

#[变量(加工后的变量) for 变量 i in 可迭代的数据类型 ] 列表的推导式
#[ 变量(加工后的数据) for  变量i  in 可迭代的数据类型 ] 列表的推导式, 循环模式
#[ 变量(加工后的数据) for  变量i  in 可迭代的数据类型 if 条件] 列表的推导式, 筛选模式

# li = []
# for i in range(1,11):
#     li.append(i)
# print(li)

# li = []
# for i in range(1,11):
#     li.append("python%s期"%i)
# print(li)

# li1 = [i for i in range(10)]
# print(li1)

# li2 = ["python%s期"%i for i in range(1,11)]
# print(li2)

#（三）列表推导式,生成器表达式的作用

#1,列表推导式比较直观,占内存
#2,生成器表达式不容易看出内容,省内存.
# 3.python不但使用迭代器协议，
# 让for循环变得更加通用。大部分内置函数，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。
# sum(x**2 for x in range(4))

# 30以内能被3整除的数
# li = [i for i in range(31) if i%3 == 0]
# print(li)
#
# # 30以内能被3整除的数的平方
# li1 = [i**2 for i in range(31) if i%3 == 0 ]
# print(li1)


# 例子1.将一个字典的key 和 value 对调
# 前提是value是不可变数据类型，因为键是不可变数据类型
# 例子1:
# mcase = {"a" : 10 ,"b" : 34}
# mcasw_frequency = {mcase[k]:k for k in mcase}
# print(mcasw_frequency)

# 例子2
# names = [[‘Tom‘, ‘Billy‘, ‘Jefferson‘, ‘Andrew‘, ‘Wesley‘, ‘Steven‘, ‘Joe‘],
#          [‘Alice‘, ‘Jill‘, ‘Ana‘, ‘Wendy‘, ‘Jennifer‘, ‘Sherry‘, ‘Eva‘]]
#
# f = [a for i in names for a in i if a.count("e") == 2]
# print(f)