迭代器和生成器

迭代器

1、什么是迭代器

​ 迭代器指的是迭代取值的工具，迭代是一个重复的过程，每次重复都是基于上一次的结果而继续的，单纯的重复并不是迭代

2、为何要有迭代器

​ 迭代器是用来迭代取值的工具，而涉及到把多个值循环取出来的类型有：

​ 列表、字符串、元组、字典 、集合、打开文件

l=['egon','liu','alex']
i=0
while i < len(l):
    print(l[i])
    i+=1

​ 上述迭代取值的方式只适用于有索引的数据类型：列表、字符串、元组
为了解决基于索引迭代器取值的局限性
​ python必须提供一种能够不依赖于索引的取值方式，这就是迭代器

3、如何用迭代器

3.1 可迭代对象:

​ 但凡内置有__iter__方法的都称之为可迭代的对象

s1=''
# s1.__iter__()
l=[]
# l.__iter__()
t=(1,)
# t.__iter__()
d={'a':1}
# d.__iter__()
set1={1,2,3}
# set1.__iter__()
with open('a.txt',mode='w') as f:
    # f.__iter__()
    pass

3.2 迭代器对象:

​ 调用可迭代对象下的__iter__方法会将其转换成迭代器对象

d={'a':1,'b':2,'c':3}
d_iterator=d.__iter__()
#方案1:迭代器的取值
print(d_iterator.__next__())
print(d_iterator.__next__())
print(d_iterator.__next__())
print(d_iterator.__next__()) # 抛出异常StopIteration
print('====>>>>>>') 
#方案2:在一个迭代器取值取干净的情况下，再对其取值值取不到
d_iterator=d.__iter__()
while True:
    try:
        print(d_iterator.__next__())
    except StopIteration:
        break

l=[1,2,3,4,5]
l_iterator=l.__iter__()
while True:
    try:
        print(l_iterator.__next__())
    except StopIteration:
        break

4 可迭代对象与迭代器对象详解

4.1 可迭代对象（"可以转换成迭代器的对象"）：

• 内置有__iter__方法对象可迭代对象._iter_(): 得到迭代器对象

4.2 迭代器对象:

• 内置有__next__方法并且内置有__iter__方法的对象
  • 迭代器对象._next_（）：得到迭代器的下一个值
  • 迭代器对象._iter_（）：得到迭代器的本身，也就是没用

dic={'a':1,'b':2,'c':3}

dic_iterator=dic.__iter__()
print(dic_iterator is dic_iterator.__iter__().__iter__().__iter__())

4.3 扩展知识:for循环的工作原理

​ for循环可以称之为叫迭代器循环

dic={'a':1,'b':2,'c':3}
for k in d:
    print(k)
with open('a.txt',mode='rt',encoding='utf-8') as f:
    for line in f: # f.__iter__()
        print(line)
list('hello') #原理同for循环     

• 1、d._iter_()得到一个迭代器对象
• 2、迭代器对象._next_()拿到一个返回值，然后将该返回值赋值给k
• 3、循环往复步骤2，直到抛出StopIteration异常for循环会捕捉异常然后结束循环

4.4 迭代对象有哪些

可迭代对象：字符串、列表、元组、字典、集合、文件对象

迭代器对象：文件对象

s1=''
s1.__iter__()

l=[]
l.__iter__()

t=(1,)
t.__iter__()

d={'a':1}
d.__iter__()

set1={1,2,3}
set1.__iter__()

with open('a.txt',mode='w') as f:
    f.__iter__()
    f.__next__()

5 迭代器总结

5.1 优点

• 为序列和非序列类型提供了一种统一的迭代取值方式。
• 惰性计算：迭代器对象表示的是一个数据流，可以只在需要时才去调用next来计算出一个值，就迭代器本身来说，同一时刻在内存中只有一个值，因而可以存放无限大的数据流，而对于其他容器类型，如列表，需要把所有的元素都存放于内存中，受内存大小的限制，可以存放的值的个数是有限的。

5.2 缺点

• 除非取尽，否则无法获取迭代器的长度
• 只能取下一个值，不能回到开始，更像是‘一次性的’，迭代器产生后的唯一目标就是重复执行next方法直到值取尽，否则就会停留在某个位置，等待下一次调用next；若是要再次迭代同个对象，你只能重新调用iter方法去创建一个新的迭代器对象，如果有两个或者多个循环使用同一个迭代器，必然只会有一个循环能取到值。

生成器

​ 生成器就是自定义迭代器,如何得到自定义的迭代器

1 自定义迭代器

​ 在函数内一旦存在yield关键字，调用函数并不会执行函数体代码会返回一个生成器对象，生成器即自定义的迭代器

def func():
    print('第一次')
    yield 1
    print('第二次')
    yield 2
    print('第三次')
    yield 3
    print('第四次')
g=func()
# 会触发函数体代码的运行，然后遇到yield停下来，将yield后的值
# 当做本次调用的结果返回
res1=g.__next__()
print(res1)#第一次  1
res2=g.__next__()
print(res2)
res3=g.__next__()
print(res3)
res4=g.__next__()#StopIteration

2 应用案例

#自定义range函数
def my_range(start,stop,step=1):
    print('start...')
    while start < stop:
        yield start
        start+=step
    print('end....')
g=my_range(1,5,2) # 1 3
print(next(g))
print(next(g))
print(next(g))

for n in my_range(1,7,2):
    print(n)

3 总结

​ 有了yield关键字，我们就有了一种自定义迭代器的实现方式。yield可以用于返回值，但不同于return，函数一旦遇到return就结束了，而yield可以保存函数的运行状态挂起函数，用来返回多次值

4. yield表达式补充

4.1 yield的应用案例

• x=yield 返回值

#案例1:
def dog(name):
    print('dog%s准备吃东西啦...' %name)
    while True:
        # x拿到的是yield接收到的值
        x = yield # x = '肉包子'
        print('dog%s吃了 %s' %(name,x))

g=dog('hhh')
g.send(None) # 等同于next(g)

g.send(['一根骨头','aaa'])
g.send('肉包子')
g.send('一同泔水')
g.close()
g.send('1111') # 关闭之后无法传值
#案例2:
def dog(name):
    food_list=[]
    print('dog%s准备吃东西啦...' %name)
    while True:
        # x拿到的是yield接收到的值
        x = yield food_list # x = '肉包子'
        print('dog%s吃了 %s' %(name,x))
        food_list.append(x) # ['一根骨头','肉包子']
g=dog('hhh')
res=g.send(None)  # next(g)
print(res)

res=g.send('一根骨头')
print(res)

res=g.send('肉包子')
print(res)