【python】 迭代器、生成器、列表推导式

一、可迭代对象、迭代器

1、可以被for循环的数据类型（可迭代对象）：

字符串（str）、列表（list）、字典（dict）、元祖（tuple）、range（）

2、迭代器

2.1 将可迭代对象==>迭代器（__iter__()）

st = 'abc'                # 可迭代对象
st_iter = st.__iter__()   # 迭代器
print(st_iter)

# 返回 ：<str_iterator object at 0x00000117E93A2F98>

2.2 将可迭代对象==>迭代器（iter(可迭代对象)）

st = 'abc'
st_iter = iter(st)
print(st_iter)

# 返回 ：<str_iterator object at 0x00000117E93A2F98>

2.3  迭代器取值（__next__()）

# 1、调用函数内的方法去取值

st = 'abc'
st_iter = st.__iter__()
print(st_iter.__next__())   # 迭代器每次只取一次数据，取完一次后指针停留在当前位置，便于下次接着取值
print(st_iter.__next__())
print(st_iter.__next__())

#  返回：
a
b
c

2.4 迭代器取值（next(迭代器)）

2、调用函数去取值

st = 'abc'
st_iter = st.__iter__()
print(next(st_iter))
print(next(st_iter))
print(next(st_iter))

#  返回：
a
b
c

3、可迭代对象与迭代器的区别：

1) 可迭代对象可以转换成迭代器，迭代器不能逆转；
2）可迭代对象的方法：__iter__()
    迭代器的方法：__iter__()、__next__()

4、判断 可迭代对象（Iterable） 和 迭代器（Iterator） 的两种方法：

4.1 方法一：

判断对象是否有"__iter__"方法
    如果有，返回True，是可迭代对象

st = 'abc'
print("__iter__" in dir(st))      # dir(o):显示所有的方法

返回：
True

4.2 方法二：

　　用isinstance()方法判断：

from collections import Iterable
from collections import Iterator
# 判断是否为可迭代对象，返回True
print(isinstance(st,Iterable))
# 判断是否为迭代器，返回True
print(isinstance(st.__iter__(),Iterator))

控制台报错：
DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated,
and in 3.8 it will stop working

# 注：有报错没关系，是因为版本的原因（3.7.3）

5、迭代器的意义：

• 节省内存

• 迭代器有惰性机制（每次只取一次数据）

• 不能反复，一直往下执行（如：有100条数据，第一次循环，执行5条数据，第二次循环，从第6条开始执行）

6、for循环的机制（for循环会自动生成迭代器）

1. for循环中内部含有__iter__方法会自动将可迭代对象转换成迭代器；

2. 再调用__next__方法

3. 有异常处理机制（打印next方法，会一直循环可迭代对象，当循环结束，打印next方法就会报错，所以报错的时候加上异常处理）
   

7、用迭代器实现for循环

list = [1,2,3,4]
# 1、先判断list是否是可迭代对象
if '__iter__' in dir(list):
    # 2、转化成迭代器
    list_iter = list.__iter__()
    # 3、将迭代器里面的值依次取出并打印
    while True:
        try:
            print(list_iter.__next__())
        except StopIteration as e:
            print("--- 打印完毕！---%s"%e)
            break
else:
    print("不是可迭代对象")

二、生成器

　　生成器的本质就是迭代器（所以自带__iter__() 和 __next__() 方法）

1、迭代器构建的三种方式：

• 可以用生成器函数
• 可以用各种推导式构建函数
• 可以通过数据转换

2、生成器函数（yield=>函数返回值）

def gener():
    print(111)
    yield 'aaa'
    print(222)
    yield  'bbb'
    print(333)
g = gener()
print(g)                     # 打印生成器函数
print(g.__next__())　　　　　　# 打印第一个返回值
print(g.__next__())　　　　　  # 打印第二个返回值

返回：

<generator object gener at 0x000001EF1CDF0570>
111
aaa
222
bbb

3、return 和 yield 的区别

1) return : 返回值给调用者，并结束此函数
2）yield : 返回值给调用者，并将指针停留在当前位置

4、send

def gener():
    print(111)
    yield "aaa"
    print(222)
    ret = yield ("bbb")
    print("----->",ret)
    print(333)
    yield "ccc"
    print(444)
g = gener()
print(g)
print(g.__next__())
print(g.send(None))
print(g.send("BBB"))    ## 给上一个　yield 赋值

返回：

<generator object gener at 0x000002BE42060570>
111
aaa
222
bbb
-----> BBB
333
ccc

5、send 与 __next__ 的区别

相同点：都是取迭代器里面的值
不同点： 1）send是给上一个yield赋值
        2）send不能给第一个、最后一个yield赋值

三、列表推导式

1、列表推导式语法：

# 1.1 循环模式

l1 = [变量（或者加工后的变量） for 变量 in 可迭代数据类型] print(l1)

# 1.2 筛选模式

l1 = [变量（或者加工后的变量） for 变量 in 可迭代数据类型 if 条件]
print(l1)

2、生成器表达式语法(小括弧啊里面有类型列表推导式的都是生成器)

l2 = (变量（或者加工后的变量） for 变量 in 可迭代数据类型)
# 打印生成器
print(l2)
# 取值
for i in l2:
print(i)

3、实例

3.1 列表推导式

例一：30以内所有能被3整除的数

st = [i  for i in range(31) if i % 3 ==0]
print(st)

例二：30以内所有能被3整除的数的平方

st = [i*i for i in range(31) if i % 3 ==0]
print(st)

例三：找到嵌套列表中名字含有两个“e”的所在名字

names = [['Tom','Billy','Jefferson','Andrew','Weseiy','Steven','Joe'],
        ['Alince','Jill','Ana','Wendy','Jennifer','sherry','Eva']]
ee_name = [ j for i in names for j in i if j.count('e') == 2 ]
print(ee_name)

3.2 字典推导式

例一：将一个字典的key和value对调

dict = {'a':1,'b':2}
new_dict = {dict[k]:k for k in dict}
print(new_dict)

例二：合并大小写对应的value值，将k统一成小写

dict = {'a':10,'b':34,'A':7,'z':3}
new_dict = {k.lower():dict.get(k.lower(),0)+dict.get(k.upper(),0)for k in dict.keys()}
print(new_dict)

3.3 集合推导式

例一：计算列表中每个值得平方，自带去重功能

set = {i**2 for i in [1,-1,2]}
print(set)