Python进阶【第八篇】迭代器和生成器

一、何谓迭代

如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）。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。

l=[1,2,3]
count=0
while count < len(l): #迭代
    print(l[count])
    count+=1

在Python中，迭代是通过for ... in来完成的，

对于字典这种数据类型，默认情况下，dict迭代的是key。如果要迭代value，可以用for value in d.values()，如果要同时迭代key和value，可以用for k, v in d.items()。
由于字符串也是可迭代对象，因此，也可以作用于for循环。

即：任何可迭代对象都可以作用于for循环，包括我们自定义的数据类型，只要符合迭代条件，就可以使用for循环。

二、迭代器及迭代器对象

1.什么是迭代器

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。

而可迭代对象指的是内置有__iter__方法的对象，即obj.__iter__，

open('a.txt').__iter__#文件也是一种可迭代对象 

可迭代对象执行obj.__iter__()得到的结果就是迭代器对象，

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

 而迭代器对象指的是既内置有__iter__又内置有__next__方法的对象。简单说，实现了迭代器协议的对象就是可迭代对象。（有点绕，慢慢读就能明白）

l=[]1,2,3]
iter_l=l._iter_()#有iter方法，说明是可迭代对象
print(iter_l._next_())#调用next()方法，得到迭代器对象

 2.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:
    try:
        k=next(iter_dic)
        print(dic[k])
    except StopIteration:
        break

 next方法，执行该方法要么返回迭代中的下一项，要么引起一个stoplteration异常，以终止迭代，迭代只能往后走，不能往前退。

3.for循环的工作原理

#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 k in dic:
    print(dic[k])

#for循环的工作原理
#1：执行in后对象的dic.__iter__()方法，得到一个迭代器对象iter_dic
#2: 执行next(iter_dic),将得到的值赋值给k,然后执行循环体代码
#3: 重复过程2，直到捕捉到异常StopIteration,结束循环

 三、生成器

生成器的特征：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，生成器就是迭代器

与return相比，yield在同一个函数中可以有多个，作为返回值，可以返回多次值，可以挂起/保存函数的运行状态。生成器就是一种数据类型，自动实现了迭代器协议。

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>

三元表达式

name=input('姓名>>: ')
res='SB' if name == 'alex' else 'NB'
print(res)

 主体由三部分组成，主体是if语句，if语句前面是布尔值为真的返回情况，后面是else语句。这就是一个典型的三元表达式，在Python中没有四元表达式。

列表解析式

egg_list=[]
for i in range(10):
    egg_list.append('鸡蛋%s' %i)

egg_list=['鸡蛋%s' %i for i in range(10)]

 把一个三元表达式放到一个列表中，最终结果也得到一个列表，就成了列表解析式。

 生成器表达式

#1、把列表推导式的[]换成()就是生成器表达式

#2、示例：生一筐鸡蛋变成给你一只老母鸡，用的时候就下蛋，这也是生成器的特性
>>> chicken=('鸡蛋%s' %i for i in range(5))
>>> chicken
<generator object <genexpr> at 0x10143f200>
>>> next(chicken)
'鸡蛋0'
>>> list(chicken) #因chicken可迭代，因而可以转成列表
['鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4',]

#3、优点：省内存，一次只产生一个值在内存中

列表生成式，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。在Python中，我们可以使用生成器函数，一边循环一边计算，这样就不必创建完整的list，从而节省大量的空间。