Day 12 :迭代器与生成器

可迭代：在Python中如果一个对象有__iter__( )方法，则称这个对象是可迭代的（Iterable）；

　　　　其中__iter__( )方法的作用是让对象可以用for ... in循环遍历，列表List、元组Tuple、字典Dictionary、字符串String等数据类型都是可迭代的

迭代器：在Python中如果一个对象有__iter__( )方法和__next__( )方法，则称这个对象是迭代器（Iterator）；其中__iter__( )方法是让对象可以用for ... in循环遍历，__next__( )方法是让对象可以通过next(实例名)访问下一个元素。注意：这两个方法必须同时具备，才能称之为迭代器。列表List、元组Tuple、字典Dictionary、字符串String等数据类型虽然是可迭代的，但都不是迭代器，因为他们都没有next( )方法。

 a = [1,2,3,4]
 a.__iter__()
 #列表是可迭代得
 lst_iterator = a.__iter__()
 # lst_iterator.__iter__()
 #lst_iterator就是一个迭代器。
 print(lst_iterator.__next__())
 #执行__next__方法可以遍历里面的数字
 from collections import Iterator
 from collections import Iterable
 print(isinstance(lst_iterator,Iterator))
 #判断是否是迭代器
 print(isinstance(a ,Iterable))
 #判断是否是可迭代的

备注：如果迭代器里面的数据遍历完成之后会报错。：stopIteration

异常处理：try,except 可以解决这种问题

 #异常处理，遍历完成之后会报错，可以用异常处理来解决
 lis = [1,2,3].__iter__()
 while True:
     try:
         print(lis.__next__())
     except StopIteration:
         #StopIteration ,报错信息。如果提示这个，则直接break
         break

迭代器的优点：

1、能够对python 中的基本数据类型进行统一的遍历，不需要关心每个值是什么。【例如：字典，你必须知道要他们key才可以取值】

2、它可以节省内存

例如： f = open('file','w')文件句柄就是个天生迭代器 ；range(100) 是个可迭代对象。用.__iter__ 可以把他变成一个迭代器

生成器  （Gerator）,Iterator(迭代器)：生成器就是迭代器，生成器是自己写出来的

 def generator_func():
     print('')
     yield  1111
 g = generator_func()#---生成器的本质就是迭代器
 print(g)
 ret = g.__next__()
 print(ret)
 #带yield关键字的函数就是生成器函数
 #生成器函数在执行的时候返回一个生成器
 #输出：<generator object generator_func at 0x000002897D1F1B88>
 #
 #

# 错误示范：不能这么操作g = generator_func().__next__()
# 生成器可以强转成列表等 例：list(g)

迭代器是可迭代对象。迭代器 = 可迭代对象.___iter__()

从生成器里取值：

　　1、__inter__ 有几个yield就可以取几次

　　2、for 喜欢取值

　　3、注意:再调用生成器函数的时候，要先获取生成器，再进行next 取值

　　4、其他数据类型进行强转，里面装的是生成器所有的值

　　5、生成器中的内容只能取一次，按顺序取值，去完为止

　　6、生成器中的yield一般都有2个以上。如果一个，就相当于return .

　　7、 yield 一般都是和循环一起使用

例：取衣服，用上循环。

 def get_clothing():
     for cloth in range(100):
         yield  ' 第%s件衣服'%cloth
 generate = get_clothing()
 print(next(generate))#==generate.__next__()
 print(next(generate))
 print(next(generate))
 for i in range(50):#一次性取50件衣服
     print(generate.__next__())
# for i in get_clothing():
　　  if i == '第100件衣服':
　　　　　　break

 send命令：

 def func():
     value = yield 1
     yield value
 g = func()
 print(g.__next__())# 生成器的第一步只能先用next。
 print(g.send(10))#到yield位置后，如果有赋值 = 才可以用
 #send命令，不然就算send也没用！
 #这里send是赋值给value
 #send 不仅next的功能，也可以传进去值（赋值操作）
 #yield 是返回值
备注：如果send 要多次传值必须要有一个未被返回的yield。
如果value没有接收的值的话，会返回None

1、如果第一个yield 只是为了激活生成器。可以写个装饰器（生成器预激装饰器）

 def wrapper(func):
     def inner(*args,**kwargs):
         ret = func(*args,**kwargs)
         ret.__next__()
         return ret
     return inner
 @wrapper

 面试题：查看输出结果

例1

 def demo():
     for i in range(4):
         yield i
 g = demo()
 g1 = (i for i in g)
 g2 = (i for i in g1)
 print(list(g1))# g1里面的值已经被list获取，所有g2是个空列表
 print(list(g2))
 #[0,1,2,3]
 #[]

例2 注意：生成器在调用的时候才生效。下面这道题，就是当N = 10 就一直是10，而不是1， 

 def add(n,i):
     return n + i
 def test():
     for i in range(4):
         yield i
 g = test()#生成器
 for n in [1,10]:
     g = (add(n,i) for i in g)
 # 相当于
 #n =1
 #g = (add(n,i) for i in test())n
 #n =10
 #g = (add(n,i) for i in add(1,i) for i in test())
 print(list(g))
 #此时N =10
 #g = (add(n,i) for i in add(10,i) for i in [0,1,2,3])
 #10+0,10+1,10+2,10+3
 #g = (add(n,i) for i in 10,11,12,13)
 #10+10,10+11,10+12,10+13
 #输出 [20, 21, 22, 23]