4 迭代器和生成器

一 迭代器

1.1 概念　

# 凡是可以使用for循环取值的都是可迭代的
# 可迭代协议 ：内部含有__iter__方法的都是可迭代的，如list,dic,tuple,str,集合，range，文件，等都是可迭代的。
# 迭代器协议 ：内部含有__iter__方法和__next__方法的都是迭代器

1.2 优势
可迭代 最大的优势 节省内存

迭代器优势：
1节省内存
2取一个值就能进行接下来的计算 ，而不需要等到所有的值都计算出来才开始接下来的运算

1.3 例子

这两个都是可迭代的，都会取到1,2,3

lst_iter = [1,2,3].__iter__()
print(lst_iter.__next__())
print(lst_iter.__next__())
print(lst_iter.__next__())


for i in [1,2,3]:   
    print(i)

二 生成器
2.1 概念
生成器 Generator
# 自己写的迭代器 就是一个生成器
# 两种自己写生成器(迭代器)的机制：生成器函数 生成器表达式

凡是带有yield的函数就是一个生成器函数

2.2优势

同样是节省内存

2.3 例子(生成器函数）

# 生成器函数的调用不会触发代码的执行，而是会返回一个生成器(迭代器)
# 想要生成器函数执行，需要用next

def cloth_g(num):
    for i in range(num):
        yield 'cloth%s'%i


g = cloth_g(1000)
print(next(g))
print(next(g))
print(next(g))

 2.4 send关键字

# send关键字
def func():
    print(11111)
    ret1 = yield 1
    print(22222,'ret1 :',ret1)
    ret2 = yield 2
    print(33333,'ret2 :',ret2)
    yield 3


g = func()
ret = next(g)
print(ret)
print(g.send('alex'))  # 在执行next的过程中 传递一个参数 给生成器函数的内部
print(g.send('金老板'))

# 想生成器中传递值 有一个激活的过程 第一次必须要用next触发这个生成器

2.5  预激活生成器 这样在下面函数执行的时候不用再next了，或者多个函数需要激活的时候，就适合方便用这种方法

# 预激生成器
# def init(func):
#     def inner(*args,**kwargs):
#         ret = func(*args,**kwargs)
#         next(ret)  # 预激活
#         return ret
#     return inner
#
# @init
# def average():
#     sum_money = 0
#     day = 0
#     avg = 0
#     while True:
#         money = yield avg
#         sum_money += money
#         day += 1
#         avg = sum_money/day
#
# g = average()
# print(g.send(200))
# print(g.send(300))
# print(g.send(600))

2.6 yield from

第一种写法：
def genrator():
    for i in range(5):
        yield i
    for j in ('hello'):
        yield j
g = genrator()

第二种写法：

def generator_func():
    yield from range(5)
    yield from 'hello'
g = genrator()

2.7 如何从生产器中取值，三种

# 第一种 ：next  随时都可以停止 最后一次会报错
# print(next(g))
# print(next(g))
# 第二种 ：for循环 从头到尾遍历一次 不遇到break、return不会停止
# for i in g:
#     print(i)
# 第三种 ：list tuple 数据类型的强转  会把所有的数据都加载到内存里 非常的浪费内存
# print(g)
# print(list(g))

2.8生成器函数总结

# 一个生成器 只能取一次
# 生成器在不找它要值的时候始终不执行
# 当他执行的时候，要以执行时候的所有变量值为准

# 主要特征是 在函数中 含有yield
# 调用一个生成器函数 不会执行这个函数中的带码 只是会获得一个生成器（迭代器）
# 只有从生成器中取值的时候，才会执行函数内部的带码，且每获取一个数据才执行得到这个数据的带码
# 获取数据的方式包括 next send 循环 数据类型的强制转化
# yield返回值的简便方法，如果本身就是循环一个可迭代的，且要把可迭代数据中的每一个元素都返回 可以用yield from
# 使用send的时候，在生成器创造出来之后需要进行预激，这一步可以使用装饰器完成
# 生成器的特点 ： 节省内存 惰性运算
# 生成器用来解决 内存问题 和程序功能之间的解耦
三列表推导式和生成器表达式
区别就是中括号和小括号的区别

##列表推导式

# print([i**2 for i in range(5)])
#
# l = [1,2,3,-5,6,20,-7]
# print([abs(i) for i in l ])
# print([i for i in l if i%2==1])
##被30整除数的平方
# print([i**2 for i in range(30) if i%3 ==0])
列表推导式
[i**2 for i in range(30) if i%3 ==0]

生成器表达式
g = (i**2 for i in range(30) if i%3 ==0)