迭代器、生成器和Itertools库

迭代器：

​概念: 迭代器可以理解为是一个对象的容器，可迭代对象就是容器里面的对象，迭代器与for循环有很大相似的地方，但是迭代器被遍历的次数是有限，而且是单线的，也就是说迭代一个列表、元组、字典、集合、字符串的时候，每个元素只能取一次，而且要遵循迭代对象的顺序，当迭代对象全部被取出时，再次迭代就会抛异常。

可迭代的内部都有__iter__方法

iter.next()：返回迭代器的下一个元素，但没有下一个元素时抛出StopIteration异常。

要注意的是如果可迭代对象元素很多的话，将其预先转换为一个列表要消耗大量的内存。

​ 优点：

• 按顺序取，会把所有的值都取到，不存在遗漏。
• 节省内存空间，迭代器不会占用太多内存，调用一次next生成相对应一个元素，只占一个元素的内存大小。

cookbook：

​ 你想遍历一个可迭代对象中的所有元素，但是却不想使用for循环。就可以迭代啦！为了手动的遍历可迭代对象，使用 next() 函数并在代码中捕获了 StopIteration 异常，就说明已经把容器内所有的元素已经取出， StopIteration 用来指示迭代的结尾。

生成器：

	跟普通函数不同的是，生成器只能用于迭代操作。一个生成器函数主要特征是它只会回应在迭代中使用到的 *next* 操作。 一旦生成器函数返回退出，迭代终止。 在 `__iter__()` 方法中定义你的生成器不会改变你任何的算法逻辑。 

​ yield 语句即可将其转换为一个生成器。

itertools库：

​ 1、函数 itertools.islice() 正好适用于在迭代器和生成器上做切片操作。函数 islice() 返回一个可以生成指定元素的迭代器，它通过遍历并丢弃直到切片开始索引位置的所有元素。 然后才开始一个个的返回元素，并直到切片结束索引位置。着重强调的一点是 islice() 会消耗掉传入的迭代器中的数据。 必须考虑到迭代器是不可逆的这个事实。所以如果你需要之后再次访问这个迭代器的话，那你就得先将它里面的数据放入一个列表中。

class islice(object):
    """
    # islice()可以用来切片的， None可以表示头或尾
    # islice(迭代对象，头，尾)
    islice(iterable, stop) --> islice object
    islice(iterable, start, stop[, step]) --> islice object
    
    Return an iterator whose next() method returns selected values from an
    iterable.  If start is specified, will skip all preceding elements;
    otherwise, start defaults to zero.  Step defaults to one.  If
    specified as another value, step determines how many values are 
    skipped between successive calls.  Works like a slice() on a list
    but returns an iterator.
    """
    def __init__(self, iterable, stop): # real signature unknown; restored from __doc__

​ 2、itertools.chain() 可以连接多个列表或者迭代器，接受一个或多个可迭代对象作为输入参数。 然后创建一个迭代器，依次连续的返回每个可迭代对象中的元素。 这种方式要比先将序列合并再迭代要高效的多。chian() 不会要求参数的类型一致，所以如果输入序列非常大的时候会很省内存。 并且当可迭代对象类型不一样的时候 chain() 同样可以很好的工作。

class chain(object):
    """
    chain(*iterables) --> chain object
    
    Return a chain object whose .__next__() method returns elements from the
    first iterable until it is exhausted, then elements from the next
    iterable, until all of the iterables are exhausted.
    """
    def __init__(self, *iterables): # real signature unknown; restored from __doc__

​ 3、itertools.permutations() ， 它接受一个集合并产生一个元组序列，每个元组由集合中所有元素的一个可能排列组成。 也就是说通过打乱集合中元素排列顺序生成一个元组，

class permutations(object):
    """
    permutations(iterable[, r]) --> permutations object
    
    Return successive r-length permutations of elements in the iterable.
    
    permutations(range(3), 2) --> (0,1), (0,2), (1,0), (1,2), (2,0), (2,1)
    """
	def __init__(self, iterable, r=None): # real signature unknown; restored from __doc__

​ 4、itertools.combinations(), 对于 combinations() 来讲，元素的顺序已经不重要了。也就是说，组合 ('a', 'b') 跟 ('b', 'a') 其实是一样的(最终只会输出其中一个)。

class combinations(object):
    """
    combinations(iterable, r) --> combinations object
    
    Return successive r-length combinations of elements in the iterable.
    
    combinations(range(4), 3) --> (0,1,2), (0,1,3), (0,2,3), (1,2,3)
    """
    def __init__(self, iterable, r): # real signature unknown; restored from __doc__

​ 5、itertools.combinations_with_replacement(), 允许同一个元素被选择多次

class combinations_with_replacement(object):
    """
    combinations_with_replacement(iterable, r) --> combinations_with_replacement object
    
    Return successive r-length combinations of elements in the iterable
    allowing individual elements to have successive repeats.
    combinations_with_replacement('ABC', 2) --> AA AB AC BB BC CC
    """
    def __init__(self, iterable, r): # real signature unknown; restored from __doc__