迭代器、生成器
目录
1.迭代器：迭代工具
1.1什么是迭代？：迭代是一个重复的过程，并且每次从夫都是基于上一次的结果而来
lst = ['a','b','c']
n = 0
while n < len(n):
print(lst[n])
n += 1
可迭代的对象:在python中，但凡内置有__iter__方法的对象，都是可迭代的对象
#以下都是可迭代的对象
str1='hello'
list1=[1,2,3]
tup1=(1,2,3)
dic={'x':1}
s1={'a','b','c'}
f=open('a.txt','w',encoding='utf-8')
迭代器：迭代取值工具，可迭代的对象执行__iter__方法得到的返回值就是迭代器对象
dic = {'x':1,'y':2,'z':3}
iter_dic = dic.__iter__()
print(iter_dic.__next__())
print(iter_dic.__next__())
print(iter_dic.__next__())
1.2可迭代的对象vs迭代器对象
'''
可迭代的对象：str，list，tuple，dict，set，file
1、获取可迭代对象的方式：无须获取，python内置str，list，tuple，dict，set，file都是可迭代对象
2、特点：
内置有__iter__方法的都叫可迭代的对象，执行该方法会拿到一个迭代器对象
迭代器对象：文件对象本身就是迭代器对象
1、获取迭代器对象的方式：
执行可迭代对象的__iter__方法，拿到的返回值就是迭代器对象
2、特点：
内置有__next__方法，执行该方法会拿到迭代器对象中的一个值
内置有__iter__方法，执行该方法会拿到迭代器本身
'''
文件本身就是迭代器对象
1.3迭代器的优缺点分析
'''
1 迭代器的优点：
1.1 提供了一种可不依赖于索引的取值方式
1.2 迭代器更加节省内存
2.迭代器的缺点：
2.1 取值麻烦，只能一个一个取，只能往后取
2.2 并且是一次性的,无法用len获取长度
'''
1.4for循环原理分析
'''
1. for 循环称之为迭代器循环，in后跟的必须是可迭代的对象
2. for循环会执行in后对象的__iter__方法，拿到迭代器对象
3. 然后调用迭代器对象的__next__方法，拿到一个返回值赋值给line，执行一次循环体
4. 周而复始，直到取值完毕，for循环会检测到异常自动结束循环
'''
lst = [1,2,3,4,5,6]
new_lst = lst.__iter__()
while True:
try:
print(new_lst.__next__())
except StopIteration:
break
2.生成器
2.1函数内包含有yield关键字，再调用函数，就不会执行函数体代码，拿到的返回值就是一个生成器对象
# 生成器本质就是迭代器，也就是说生成器的玩法其实就是迭代器的玩法
def chicken():
print('啦啦啦')
yield 1
print(123)
yield 2
print(456)
yield 3
print(798)
res = chicken()
res1 = res.__next__()
print(res1)
res.__next__()
res.__next__()
'''
# 1. iter_res=res.__iter__()，拿到迭代器
# 2. 出发iter_res.__next__()，拿到该方法的返回值，赋值给item
# 3. 周而复始，直到函数内不在有yield，即取值完毕
# 4. for会检测到StopIteration异常，结束循环
'''
for item in res:
print(item)
总结yield：
# 1. 为我们提供了一种自定义迭代器的方式，可以在函数内用yield关键字，调用函数拿到的结果就是一个生成器，生成器就是迭代器
# 2. yield可以像return一样用于返回值，区别是return只能返回一次值，而yield可返回多次,因为yield可以保存函数执行的状态
def my_range(start,stop,step=1):
n=start
while n < stop:
yield n #yield 4
n+=step #5
obj=my_range(3,7,2) #3,5,
print(obj.__next__())
print(obj.__next__())
print(obj.__next__())
print(obj.__next__())
print(obj.__next__())
for item in my_rangr(5,10,2):
print(item)
2.2yield的表达式
def eat(name):
print('%s ready to eat' %name)
food_list=[]
while True:
food=yield food_list # food='骨头'
food_list.append(food) # food_list=['泔水','骨头']
print('%s start to eat %s' %(name,food))
dog1=eat('狗')
# 1. 必须初始化一次，让函数停在yield的位置
res0=dog1.__next__()
print(res0)
# 2. 接下来的事，就是喂狗
# send有两方面的功能
# 1. 给yield传值
# 2. 同__next__的功能
res1=dog1.send('泔水')
print(res1)
res2=dog1.send('骨头')
print(res2)
res3=dog1.send('shit')
print(res3)
lst = [1,2,3,4,5,6]
def func():
yield from lst
g = func()
for i in g:
print(i)
2.3整理
# 在函数中将return改写成yield就是一个生成器
# yield 会记录执行位置
# return 和 yield 都是返回,
# return 可以写多个,但是只执行一次,yield可以写多个,还可以返回多次
# 一个__next__() 对应 一个yield
# 生成器可以使用for循环获取值
# yield from -- 将可迭代对象元素逐个返回
# 在函数的内部 yield 能将for循环和while循环进行临时暂停
3.推导式
lst = []
for i in range(10):
lst.append(i)
print(lst)
3.1list 推导式
lst = [i for i in range(10)] # list 推导式
3.2循环模式
# [变量 for i in range(20)]
print([i+1 for i in range(10)])
3.3筛选模式
lst = []
for i in range(20):
if i % 2 == 0:
lst.append(i)
print(lst)
print([i for i in range(20) if i % 2 == 0])
# [变量(加工后的变量) for循环 加工方式]
print([i for i in range(50) if i % 2 == 1])
print([i for i in range(1,50,2)])
4.生成器表达式
4.1循环模式
# 生成器表达式:
# (变量(加工后的变量) for循环)
# (变量(加工后的变量) for循环 加工条件)
g = (i for i in range(20))
print(next(g))
print(next(g))
print(next(g))
print(list((i for i in range(20))))
4.2筛选模式
g = (i for i in range(50) if i % 2 == 1)
for i in g:
print(i)
4.3字典推导式:(了解)
# {键:值 for循环 加工条件}
print({i:i+1 for i in range(10)})
print({i:i+1 for i in range(10) if i % 2 == 0})
4.4集合推导式:(了解)
# {变量(加工后的变量) for循环 加工条件}
print({i for i in range(10)})
print({i for i in range(10) if i % 2 == 0})
