Python之迭代器和生成器

迭代器

可迭代的数据类型：

list   dic   str    set     tuple      f=open（）--文件句柄      range      enumerate

不可迭代的数据类型：

int    bool

什么叫迭代？

结合我们使用for循环取值的现象，再从字面上理解一下，其实迭代就是，可以将某个数据集内的数据“一个挨着一个的取出来”，就叫做迭代。

什么是可迭代协议？

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，只要含有__iter__方法的都是可迭代的。

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。

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。

print(dir[ ])     #告诉我列表拥有的方法

总结：

　　迭代器遵循迭代器协议：必须拥有__iter__方法和__next__方法。

　　可以被for循环的都是可迭代的

　　可迭代的内部都有__iter__方法

　　只要是迭代器 一定可迭代

　　可迭代的.__iter__()方法就可以得到一个迭代器

　　迭代器中的__next__()方法可以一个一个的获取值

　　for循环其实就是在使用迭代器

　　只有是可迭代对象的时候 才能用 for

　　当我们遇到一个新的变量，不确定能不能for循环的时候，就判断它是否可迭代

迭代器的好处：    

　　从容器类型中一个一个的取值，会把所有的值都取到。    

　　节省内存空间 #迭代器并不会在内存中再占用一大块内存，             

　　而是随着循环 每次生成一个            

　　每次next每次给我一个

生成器

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：

一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，

而是得到一个可迭代的对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。

生成器好处：

不会一下子在内存中生成太多数据

应用：生成器监听文件输入的例子

import time


def tail(filename):
    f = open(filename)
    f.seek(0, 2) #从文件末尾算起
    while True:
        line = f.readline()  # 读取文件中新的文本行
        if not line:
            time.sleep(0.1)
            continue
        yield line

tail_g = tail('tmp')
for line in tail_g:
    print(line)

生成器监听文件输入的例子

简单的生成器监听文件例子

def taile(filename) :
    f = open(filename,encoding='utf-8')
    while True :
        line = f.readline()
        if line.strip() :
            yield line.strip()
g = taile('file')
for i in g :
    print(i)

生成器监听文件实现后可以达到实时查看，一边在文件里输入内容，另一边可以在显示窗口显示出来。
send

send 获取下一个值的效果和next基本一致

只是在获取下一个值的时候，给上一yield的位置传递一个数据

使用send的注意事项：

　　第一次使用生成器的时候，是用next获取下一个值；

　　最后一个yield不能接受外部的值

应用：计算移动平均值

def average() :
    sum = 0
    count = 0
    avg = 0
    while True :
        num = yield avg
        sum += num
        count += 1
        avg = sum/count
avg_g = average()
avg_g.__next__()
avg1 = avg_g.send(10)
avg1 = avg_g.send(20)
print(avg1)

计算移动平均值进阶----预激协程的装饰器

def init(func):   #装饰器
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)    #g = average()
        g.__next__()
        return g
    return inner

@init
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num    # 10
        count += 1    # 1
        avg = sum/count

avg_g = average()   #===> inner
ret = avg_g.send(10)
print(ret)
ret = avg_g.send(20)
print(ret)

 yield  from

def generator():
    a = 'abcde'
    b = '12345'
    yield  a
    yield from b

g = generator()
for i in g:
    print(i)

 

 列表推导式和生成器表达式：

列表推导式：

ret = [i**2 for i in range(30) if i%3 == 0]
print(ret)

生成器表达式：

g = (i*i for i in range(10))
for i in g :
    print(i)

总结：

1.把列表解析的[]换成()得到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，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，所以，我们可以直接这样计算一系列值的和：

sum(x ** 2 for x in range(4))

而不用多此一举的先构造一个列表：

sum([x ** 2 for x in range(4)]) 

各种推导式详解：
列表推导式

例子

找到嵌套列表中名字含有两个‘e’的所有名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]

print([name for lst in names for name in lst if name.count('e') >= 2])  # 注意遍历顺序，这是实现的关键

字典推导式
例子

一、将一个字典的key和value对调

mcase = {'a': 10, 'b': 34}
mcase_frequency = {mcase[k]: k for k in mcase}
print(mcase_frequency)

二、合并大小写对应的value值，将k统一成小写

mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase.keys()}
print(mcase_frequency)

集合推导式

例：计算列表中每个值的平方，自带去重功能

squared = {x**2 for x in [1, -1, 2]}
print(squared)
# Output: set([1, 4])