python入门第十七天_生成器 迭代器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需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。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的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。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

列表生成式：

s=[x*2 for x in range(50)] #这是列表生成式 
print(s)

改成生成器：

s=(x*2 for x in range(50)) #这是列表生成式 在Python中，这种一边循环一边计算的机制，称为生成器：generator。
print(s)

结果：

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68, 70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98]
<generator object <genexpr> at 0x0000000001E0EE08>

我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

s=(x*2 for x in range(50)) #这是列表生成式 在Python中，这种一边循环一边计算的机制，称为生成器：generator。
print(s)

print(s.__next__())  #__next__ 是函数的私有方法。
print(next(s))
print(next(s))

<generator object <genexpr> at 0x000000000069EEB8>
0
2
4

我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

当然，上面这种不断调用next(s)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

s=(x*2 for x in range(10)) #这是列表生成式 在Python中，这种一边循环一边计算的机制，称为生成器：generator。
print(s)

# print(s.__next__())  #__next__ 是函数的私有方法。
# print(next(s))
# print(next(s))
for i in s:
    print(i)

结果：

<generator object <genexpr> at 0x000000000067EE08>
0
2
4
6
8
10
12
14
16
18

所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

#第十三天 递归函数
def f(n):
    before=0
    after=1
    if n==1:
        return 0
    if n==2:
        return 1
    for i in range(0,n-2):
        before,after= after,after+before
    return after

for i in range(1,9):
    print(f(i))

递归函数：

def f(n):
    if n==1:
        return 0
    if n==2:
        return 1
    sum=f(n-1)+f(n-2)
    return sum
 
for i in range(1,9):
    print(f(i))

生成一个斐波拉契数列：

def fib(max):
    n,before,after=0,0,1
    while n<max:
        print(after)
        before,after=after,before+after
        n+=1
    return 'done'

print(fib(6))

打印结果：

1
1
2
3
5
8
done

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(after)改为yield after就可以了：

def fib(max):
    n,before,after=0,0,1
    while n<max:
#         print(after)
        yield after
        before,after=after,before+after
        n+=1
    return 'done'

print(fib(6))

结果： <generator object fib at 0x000000000214EE08> 

这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

这里，最难理解的就是generator和函数的执行流程不一样。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。

我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8

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

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e:
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

 杨辉三角：

'''
杨辉三角定义如下：

          1
         / 
        1   1
       /  / 
      1   2   1
     /  /  / 
    1   3   3   1
   /  /  /  / 
  1   4   6   4   1
 /  /  /  /  / 
1   5   10  10  5   1
把每一行看做一个list，试写一个generator，不断输出下一行的list：

'''

def triangles():
    L=[0,1,0] 
    n=1   
    while n<10:
        
        L_print=[]
#         yield ("打印第 %s,数据是%s"%(len(L)-2,L[1:-1]))
        
        print("打印第 %s,数据是%s"%(len(L)-2,L[1:-1]))
        for i in range(len(L)-1):
            L_print.append(L[i]+L[i+1])
#         L=[0]+L_print+[0]
        L_print.insert(0,0)
        L_print.append(0)
        L=L_print
        n+=1
        

p=triangles() 
# print(next(p))
# print(next(p))
# print(next(p))
# print(next(p))
# print(next(p))
# print(next(p))
print(p)

结果：

打印第 1,数据是[1]
打印第 2,数据是[1, 1]
打印第 3,数据是[1, 2, 1]
打印第 4,数据是[1, 3, 3, 1]
打印第 5,数据是[1, 4, 6, 4, 1]
打印第 6,数据是[1, 5, 10, 10, 5, 1]
打印第 7,数据是[1, 6, 15, 20, 15, 6, 1]
打印第 8,数据是[1, 7, 21, 35, 35, 21, 7, 1]
打印第 9,数据是[1, 8, 28, 56, 70, 56, 28, 8, 1]
None

理解生成器：

def foo():
    n=1
    while n<5:
        yield n
        n=n+1
    
p=foo() 

print(p)
for i in range(5):
    print(next(p))

结果：

<generator object foo at 0x000000000213EEB8>
1
2
3
4
Traceback (most recent call last):
  File "F:python从入门到放弃72生成器.py", line 18, in <module>
    print(next(p))
StopIteration

超出取值范围会报错 StopIteration

def foo():
    print('OK')
    yield '1'
    print('OK2')
    yield '2'
    print('OK3')
    yield '3'
    print('OK4')
    yield '4'
    return 8

# for i in foo():
# 
#     print(i)
p=foo()

a=next(p)
b=next(p)
print(next(p))
d=next(p)



print(a,b,d)

结果：

OK
OK2
OK3
3
OK4
1 2 4

迭代器

 

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

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。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。可以使用isinstance()判断一个对象是否是Iterable对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False

而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。

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

可以使用isinstance()判断一个对象是否是Iterator对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

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可以使用iter()函数：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被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。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于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，不过可以通过iter()函数获得一个Iterator对象。

Python的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
    pass

实际上完全等价于：

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break

 生成器的调用 next()   和 send()

 b.send(*args)调用的同时，传入一个参数：

def foo():
    print('OK')

    count=yield 1
    print(count)

    print('OK2')
    ciui=yield 2
b=foo()
# print(next(b))
b.send(None) # 这句代码等同于   next(b)
'''
第一次send 前 ，如果没有next，传一个send(None)
'''


b.send(8)

结果：

"D:Program Files (x86)python36python.exe" F:/python从入门到放弃/7.2/生成器2.py
OK
8
OK2

 利用yield 编写一个伪并发程序：

import time

def consumer(name):
    print('%s 准备吃饭月饼了！'%name)
    while True:
        baozi=yield

        print('编号为{%s}}的包子来了，被{%s}吃了'%(baozi,name))

def producer():
    c=consumer('李雷')
    c2=consumer('韩梅梅')
    c.__next__()
    c2.__next__()
    print('开始准备做包子啦')
    for i in range(1,10):
        time.sleep(1)
        print('做了两个包子,你们一人一个呀')
        c.send(i)
        c2.send(i)

producer()

结果：

"D:Program Files (x86)python36python.exe" F:/python从入门到放弃/7.2/生成器2.py
李雷 准备吃饭月饼了！
韩梅梅 准备吃饭月饼了！
开始准备做包子啦
做了两个包子,你们一人一个呀
编号为{1}}的包子来了，被{李雷}吃了
编号为{1}}的包子来了，被{韩梅梅}吃了
做了两个包子,你们一人一个呀
编号为{2}}的包子来了，被{李雷}吃了
编号为{2}}的包子来了，被{韩梅梅}吃了
做了两个包子,你们一人一个呀
编号为{3}}的包子来了，被{李雷}吃了
编号为{3}}的包子来了，被{韩梅梅}吃了
做了两个包子,你们一人一个呀
编号为{4}}的包子来了，被{李雷}吃了
编号为{4}}的包子来了，被{韩梅梅}吃了
做了两个包子,你们一人一个呀
编号为{5}}的包子来了，被{李雷}吃了
编号为{5}}的包子来了，被{韩梅梅}吃了
做了两个包子,你们一人一个呀
编号为{6}}的包子来了，被{李雷}吃了
编号为{6}}的包子来了，被{韩梅梅}吃了
做了两个包子,你们一人一个呀
编号为{7}}的包子来了，被{李雷}吃了
编号为{7}}的包子来了，被{韩梅梅}吃了
做了两个包子,你们一人一个呀
编号为{8}}的包子来了，被{李雷}吃了
编号为{8}}的包子来了，被{韩梅梅}吃了
做了两个包子,你们一人一个呀
编号为{9}}的包子来了，被{李雷}吃了
编号为{9}}的包子来了，被{韩梅梅}吃了

Process finished with exit code 0