列表生成器&生成器&迭代器

---恢复内容开始---

列表生成器

a = [i+1 for i in range(10)]
print(a)
#结果[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

上面就是一个列表生成器

不足：对于数据多的不适用因为太占内存了

生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator

创建generator两种方式：

1. 把[ ]换成（）
2. yield

a = (i+1 for i in range(10))
print(a)#<generator object <genexpr> at 0x0000000000A777D8> a是一个生成器对象
print(next(a))#对a进行访问
print(next(a))
print(next(a))
print(next(a))

#结果  1  2  3  4

for i in a:#a为生成器对象是可迭代的
    print(i)

#结果1 2 3 4 5 6  7 8 9 10

def bar():
    print('ok1')
    count = yield 1
    print(count)
    print('ok2')
    yield 2
    print('ok3')
    yield 3
f = bar()
f.send(None)#等价于next(f)
f.send('eeee')#改变yield前面的一个变量前提必须先进行f.send(None)来进行查找变量

迭代器

可以直接作用于for循环的数据类型有以下几种：

一类是集合数据类型，如list、tuple、dict、set、str等；

一类是generator，包括生成器和带yield的generator function。

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。

可以使用isinstance()判断一个对象是否是Iterable对象：

 

from collections import Iterable
def bar():
    print('ok1')
    count = yield 1
    print(count)
    print('ok2')
    yield 2
    print('ok3')
    yield 3
f = bar()
print(isinstance(f,Iterable))#True是对应的数据类型反之不是

小结：

凡是可作用于for循环的对象都是Iterable类型；

凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；

集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。

 

from collections import Iterable,Iterator
l = [1,2,4]
l = iter(l)
print(type(l))
print(isinstance(l,Iterator))
print(isinstance(l,Iterable))
print(isinstance(l,list))