生成器 迭代器 - 总结
1.生成器
特点：只负责生产，只能往前走，不能回退，生产结束时，若在生产，就报错StopIteration
列表生成式：a = [i for i in range(10)] = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
生成器：一边循环一边计算的机制称为生成器 ，通过next()调用下一个元素
b = (i for i in range(10)) = <generator object <genexpr> at 0x000001A2AACF3048>
next(b) b.__next__() b.send('ok') for i in b: while True 这三种方法生产完成后，只有for不会报错StopIteration
print(i) next(b)
1.1.生成器的2种创建方式：
1 b = (i for i in range(10)) 2 3 def fib(max): 4 n,a,b=0,0,1 5 while n < max: 6 yield b 7 a,b=b,a+b 8 n += 1 9 10 def range(n): 11 count = 0 12 while count < n: 13 yield count 14 return 'ss' 15 count+=1 16 17 18 def fib(max): 19 n,a,b=0,0,1 20 while n <max: 21 sign = yield b 22 print(sign) 23 if sign == 'stop': 24 break 25 a,b=b,a+b 26 n += 1 27 b=fib(13) 28 next(b) 29 b.__next__() 30 b.send('ok') 31 b.send('stop')
总结：yield
1.函数有了yield之后，函数名加（）就得到了一个生成器
2.函数有了yield之后，return在生成器里，代表生成器的终止直接报错
3.函数有了yield之后，函数的每个运行过程都可以拿到，处理大文件比较适合
return与yield的区别：
1.return 返回数据 并终止function
2.yield 返回数据 并冻结当前的执行过程，要想启动，就得next()。next()唤醒后，继续执行，直到遇到下一个yield
----------------------------------------------------
2.迭代器
2.1.可迭代对象（Iterable）： list tuple dict set str
generator yield的generator function
判断是否是可迭代对象：---->可直接作用于for循环的对象是可迭代对象
>>> from collections import Iterable
>>> isinstance([1,2,3],Iterable)
True
2.2.迭代器(Iterator)：可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator
判断是否是迭代器：----->生成器是迭代器的一种。
>>> from collections import Iterator
>>> isinstance([1,2,3],Iterator)
False
>>> isinstance((i for i in range(10)),Iterator)
True
2.3.可迭代对象list tuple dict set str 使用iter()函数可以变成迭代器
>>> from collections import Iterator
>>> isinstance([1,2,3],Iterator)
False
>>> isinstance(iter([1,2,3]),Iterator)
True
2.4.迭代器对象表示一个数据流，不知道什么时候截止，不能使用len(),直到没有数据抛出StopIteration
数据流可以看作是一个有序序列，不知道长度，只能通过next()调用
