7.15 迭代器和生成器

1.迭代器

　　迭代就是一个更新换代的过程，每次迭代都必须基于上一次的结果。

　　迭代器就是迭代取值的工具。举个例子：

while True:
    print('循环输出')

　　此代码会无限循环输出文字，是个死循环，并不是迭代，因为迭代是每次输出都与上一次输出有关，所以迭代应该是这样：

list1=[1,2,3,4,5]
n=0
while n<len(list1):
    print(list1[n])
    n+=1
#输出结果>>>1
#2
#3
#4
#5

　　迭代也是有对象的，有的数据类型就不支持迭代

　　可迭代：字符串，列表，元组，字典，集合，文件对象

　　其中，字典被迭代后获取的是字典中的key值。

　　为什么要使用迭代：迭代提供了不依赖索引取值的方法。如字典，集合等无序的数据类型，是不可以通过循环取值的。

　　2.可迭代对象。

　　当一个对象的内置方法中，有__iter__方法的都叫做可迭代对象。

　　__iter__执行后，就是获取该对象的迭代器对象。

list1=[1,2,13,23,21]
set1={12,2,43,414,41,4,2}
str1="231"
f=open('text1',mode='r',encoding='utf-8')
print(list1.__iter__())
print(set1.__iter__())
print(str1.__iter__())
print(f,f.__iter__())
#输出结果>>><list_iterator object at 0x000002016F6BBBE0>
#<set_iterator object at 0x000002016F6C1090>
#<str_iterator object at 0x000002016F6BBBE0>
#<_io.TextIOWrapper name='text1' mode='r' encoding='utf-8'> <_io.TextIOWrapper name='text1' mode='r' encoding='utf-8'>

　　执行后获取的就是迭代器对象，对其进行数据类型转换也可以获得该列表。

　　其中，f文件对象的__iter__()，获取后，和f原来的是一样的，所以，文件对象本身就是一个迭代器对象，迭代器对象的__iter__()还是它本身。

　　判断一个对象是否是迭代器对象，需要满足两个条件：

　　1。内部有__iter__()，方法。

　　2.内部有__next__()，方法，

　　所以可以得出，一个可迭代对象不一定是迭代器对象，而一个迭代器对象一定是个可迭代对象。

　　__next__()所代表的就是对迭代器对象进行取值，当迭代器开始时需要进行初始化即把迭代器对象赋值给变量：

d=[1,2,3]
iter_d = d.__iter__()
print(d.__iter__().__next__())
print(d.__iter__().__next__())
print(d.__iter__().__next__())
#输出结果>>>1
#1
#1

　　当迭代器对象不经过赋值变量就使用next取值时，会发现每次取值都是可迭代对象的第一个值，，因为d.__iter__()时迭代器对象，每一次使用都会对可迭代对象生成新的迭代器对象，所以一直是第一个值。

d=[1,2,3]
iter_d = d.__iter__()
print(iter_d.__next__())
print(iter_d.__next__())
print(iter_d.__next__())
#输出结果>>>1
#2
#3

　　当其赋值给iter_d时，就可以对其进行迭代了，直到取值完后再取值就会报错，其错误提示是：

StopIteration

　　这是一个异常，可以使用try： except语句对其进行异常处理：

while True:
    try:
        print(iter_d.__next__())
    except StopIteration:
        # print('输出结束')
        break
#输出结果>>>1
#2
#3
#输出结束

　　当语句成立不报错时，执行语句，当语句报错时，处理异常执行except后的语句。except后是需要处理的异常。

　　迭代器取值的特点：只能往后依次取值，不能倒退取值。

　　4.for循环内部的本质

　　1.将in后面的对象调用__iter__转化为迭代器对象。

　　2.使用___next__方法进行迭代取值。

　　3.异常捕获并自动结束循环

　　迭代取值的优点：1，不依赖于索引取值。2，内存中永远只占一份空间，不会溢出。　　

　　迭代取值的缺点：1，不能回去指定值，2，取完值后会报错。

　　像内置方法中map，zip等方法，其返回值就是一个迭代器对象，这种方式永远只占一份内存，而python2中的这些方法所输出的就仅仅是可迭代对象，所耗内存比较大。

5。生成器

　　本质：生成器就是一种用户自定义的迭代器。

　　再普通函数中，其返回值使用return，而在生成器中，使用新的关键字yield。

　　yield的功能是，当函数运行时，其中包函yield，加上（）后就不会触发函数体内的代码运行。

def fun9():
    print('111')
    yield 66
    print('222')
    yield 77
    print('333')
    yield 88
    print('444')
    yield 99
iter1=fun9()
fun9()
iter1.__next__()
print(iter1,fun9,iter1.__next__())
#输出结果>>>111
#222
#<generator object fun9 at 0x000002285BF96D58> <function fun9 at 0x000002285A351E18> 77

　　拥有yield的函数中又以下特性：
　　1.当函数名（）时不会运行函数

　　2.只有将函数名（）赋值给一个变量时（初始化）才能取值

　　3.运行iter1.__next__()，时会运行到yield前停下，

　　4，函数名输出的是函数名，初始化赋值的是（函数名（））迭代器对象，next打印的是yield后面的值。

　　yield既可以返回一个值，也可以返回多个值，多个值按照元组返回。

　　所以，yield满足以下特点：

　　1.帮你提供了一种自定义生成器方式

　　2.会帮你将函数的运行状态暂停住

　　3.可以返回值

　　return与yield的相同点：

　　都可以返回一个或多个值

　　不同点：

　　yield可以返回多次值，而return只能返回一次。

　　yield还可以接受外部传入的值：

def fun(name):
    print('%s 输入数据'%name)
    print('666')
    while True:
        sj = yield
        print('%s 已输入 %s'%(name,sj))
g = fun('lzx')
g.__next__()  
g.send('11') 
g.send('22')
#输出结果>>>lzx 输入数据
#666
#lzx 已输入 11
#lzx 已输入 22

　　当使用next运行生成器时，会运行到yield处，当yield被当成参数时，可以使用。send函数对其进行传参，并运行函数。

6.range

　　range是一个可迭代对象，可以用yield手动实现其功能

def range1(x,y,s=1):
    while x<y:
        yield x
        x+=s
for i in range1(1,10,1):
    print(i)
#输出结果>>>1，2，3，4，5，6，7，8，9

7.生成器表达式：

　　如同以下的生成式就是生成器表达式：

res=(i for i in range(1,10))
print(res)
print(res.__next__())
#输出结果>>><generator object <genexpr> at 0x000002B087176D58>
#1

　　注意，在生成器中，必须通过next触发代码运行，不会主动执行一行代码。

·面试题：

def add(n,i):
    return n+i
def test():
    for i in range(4):
        yield i
g=test()

for n in [1,10]:
    g=(add(n,i) for i in g)
print(n)
res=list(g)
print(res)

　　求其值。

　　当for循环第一次运行时，n值为1所以g=(add(n,i) for i in test())

　　当for循环第二次运行时，n值为10，所以g=(add(n,i) for i in (add(n,i) for i in test()))

　　但test为迭代器对象，所以，在编写时不会运行，只有在for循环中 遇到next函数时才会运行，那时候的i值已经时10，所以将10带入，结果为：

[20, 21, 22, 23]

 　　题2：

def multipliers():
    return [lambda  x: i*x for i in range(4)]
print([m(2) for m in multipliers()])

　　其中可以将匿名函数分解成闭包函数：

def outter():
    list1=[]
    for i in range(4):
        def func(x):
            return x*i
        list1.append(func)
    return list1

　　在闭包函数的延迟绑定，当函数调用之前，内函数中的变量都不会绑定，函数运行时才会进行绑定，所以最后的i值为3，答案时【6，6，6，6】

　　要使得参数传入，需要在内函数参数中添加i：

def outter():
    list1=[]
    for i in range(4):
        def func(x,i=i):
            return x*i
        list1.append(func)
    return list1

print([m(2) for m in outter()])

　　最后结果为[0，2，4，6]

　　题3：

　　在文件中使用生成器，计算每行的个数。：

　　如果使用list存储每一行的字符个数，就需要在内存中存储大量数据：

with open('text7.txt',mode='w',encoding='utf-8') as f:
    for i in range(0,1000):
        f.write("www.%s.com"%(i)+"\n")

def func(file):
    with open(file,mode='r',encoding='utf-8') as f:
        list2=[]
        list2.append(len(f.readline()))
    return list2
print(func('text7.txt'))

　　对内存的损耗非常大，所以可以使用生成器，然后对其迭代取值。

res2 = (len(line) for line in open('test1.txt', 'r', encoding='utf-8'))
print(res2)  # <generator object <genexpr> at 0x000002B3748FD0A0>
print(next(res2))
print(next(res2))

　　题4：

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))
print(list(g2))

　　当g1开始执行是，for循环将其内部指针一一指向g=demo()，所以，当g2，对g1进行遍历时就是个空列表所以答案是：

[0, 1, 2, 3]
[]