python笔记之迭代器和生成器

生成器

生成器函数 —— 本质上就是我们自己写得函数

def generator():
    print(1)
    return 'a'

ret = generator()
print(ret) 

生成器表达式

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

只要含有yield关键字的函数都是生成器函数  yield不能和return共用且需要写在函数内

def generator():
    print(1)
    yield 'a'

生成器函数 ： 执行之后会得到一个生成器作为返回值

ret = generator()
print(ret)
print(ret.__next__())

def generator():
    print(1)
    yield 'a'
    print(2)
    yield 'b'
    yield 'c'
g = generator()
for i in g:
    print(i)
ret = g.__next__()
print(ret)
ret = g.__next__()
print(ret)
ret = g.__next__()
print(ret)

def wahaha():
    for i in range(2000000):
        yield '娃哈哈%s'%i
g = wahaha()
g1 = wahaha()
print(g.__next__())
print(g1.__next__())

g = wahaha()
count = 0
for i in g:
    count +=1
    print(i)
    if count > 50:
        break
# print('*',g.__next__())
for i in g:
    count +=1
    print(i)
    if count > 100:
        break

生成器函数

def generator():
    print(123)
    content = yield 1
    print('=======', content)
    print(456)
    arg = yield 2
    ''''''
    yield


g = generator()
ret = g.__next__()
print('*', ret)

ret = g.send('hello')  # send的效果和next一样
print('*', ret)

 

send方法

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

获取移动平均值

def wrapper(func): #在调用被装饰生成器函数的时候首先用next激活生成器
    def inner(*args, kwargs):
        ret = func(*args, kwargs)
        next(ret)
        return ret
    return inner


@wrapper
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()
print(avg_g.send(10))
print(avg_g.send(20))
print(avg_g.send(30))

生成器小练习

处理文件，用户指定要查找的文件和内容，将文件中包含要查找内容的每一行都输出到屏幕

def check_file(filename, aim):
    with open(filename, mode='r', encoding='utf-8') as f:  # 句柄 : handler,文件操作符，文件句柄
        for i in f.readlines():
            if aim in i:
                yield i


g = check_file('test.py', 'def')
for i in g:
    print(i.strip())

写生成器，从文件中读取内容，在每一次读取到的内容之前加上‘*’之后再返回给用户

def check_file(filename):
    with open(filename, mode='r', encoding='utf-8') as f:  # 句柄 : handler,文件操作符，文件句柄
        for i in f.readlines():
            yield '*' + i


g = check_file('test.py')
for i in g:
    print(i.strip())

迭代器

迭代

迭代：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。
字符串、列表、元组、字典、集合都可迭代对象
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
迭代器：内部含有__next__和__iter__方法的就是迭代器
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 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　　

l = ["12", '120', '119', '112', '10086', '10000']
iterator = l.__iter__()
print(iterator)
print(iterator.__next__())

#只要是能被for循环的数据类型 就一定拥有__iter__方法
print([].__iter__())
# 一个列表执行了__iter__()之后的返回值就是一个迭代器
print(dir([]))
print(dir([].__iter__()))
print(set(dir([].__iter__())) - set(dir([])))
print([1,'a','bbb'].__iter__().__length_hint__())  #元素个数
l = [1,2,3]
iterator = l.__iter__()
print(iterator.__next__())
print(iterator.__next__())
print(iterator.__next__())
print(iterator.__next__())

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

迭代器和生成器

迭代器

双下方法 ： 很少直接调用的方法。一般情况下，是通过其他语法触发的
可迭代的 —— 可迭代协议 含有__iter__的方法('__iter__' in dir(数据))
可迭代的一定可以被for循环
迭代器协议: 含有__iter__和__next__方法
迭代器一定可迭代，可迭代的通过调用iter()方法就能得到一个迭代器
迭代器的特点：
    方便逐个取值，一个迭代器只能取一次。
    节省内存空间

生成器

生成器的本质就是迭代器
生成器的表现形式
    生成器函数
    生成器表达式
生成器函数：
    含有yield关键字的函数就是生成器函数
    特点：
        调用函数的之后函数不执行，返回一个生成器
        每次调用next方法的时候会取到一个值，遇见yield就停止
        直到取完最后一个，在执行next会报错
    取值：
        for ：如果没有break会一直取直到取完
        next ：每次只取一个
        send ：不能用在第一个，取下一个值的时候给上个位置传一个新的值
        数据类型强制转换 ：会一次性把所有数据都读到内存里
生成器表达式
        (条件成立想放在生成器中的值 for i in 可迭代的 if 条件)

写生成器实现：有一个文件，从文件里分段读取内容 readline read(10) 在读出来的内容前面加上一个'*'，再返回给调用者　　

def generator():
    for i in range(20):
        yield '哇哈哈%s' % i


g = generator() #调用生成器函数得到一个生成器
print(list(g))
ret = g.__next__()   #每一次执行g.__next__就是从生成器中取值，预示着生成器函数中的代码继续执行
print(ret)