Day 11 迭代器、生成器

迭代器

可迭代对象：str list dict,tuple,set,range()

可迭代对象满足可迭代协议，即内部含有__iter__（）方法

判断可迭代对象？

1.查看__iter__（）方法在不在对象内

dic = {'name':'alex'}
print('__iter__' in dir(s1))
print('__iter__' in dir(dic))

　　

2.函数法

from collections import Iterable
from collections import Iterator
print(isinstance('alex',Iterable))  # True
print(isinstance('alex',Iterator))  # True
返回True即为可迭代对象

　　

迭代器：

对象内部含有__iter__方法且含有__next__方法就是迭代器.

可迭代对象vs迭代器

1, 可迭代对象不能取值，迭代器是可以取值的。

2, 迭代器非常节省内存。

3,迭代器每次只会取一个值。（__next__方法取值。）

4,，迭代器单向的，一条路走到头

lis = [1, 2, 3]  # 可迭代对象
ite1 = lis.__iter__() #迭代器
print(ite1.__next__()) #取值，一次取一个
print(ite1.__next__())
print(ite1.__next__())
print(ite1.__next__())

　　

利用while循环模拟for循环

s1 = 'abcdef'
iter1 = s1.__iter__()
while 1:
    try:
        print(iter1.__next__())
    except StopIteration:
        break

　　

生成器

使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

def func1(x):
    x += 1
    yield x
    x += 2
    yield x
    x += 3
    yield x
g1 = func1(5)
print(g1.__next__()) # 一个next对应一个yield
print(g1.__next__())
print(g1.__next__())
print(g1.__next__()) # StopIteration

　

生成器直接创建，不需要转化，从源头上节省了内存

　send

send 与next一样，也是对生成器取值（执行一个yield）

send可以给上一个yield传值

第一个必须是next开头

最后一个yield永远也得不到send传的值

def func1():
    count = yield 6
    print(count)
    count1 = yield 7
    print(count1)
    yield 8
g = func1()
next(g)
g.send('aaa')
g.send('bbb')
g.send('ccc') StopIteration

　　

列表推导式与生成器表达式

列表推导式

1.循环模式 [变量（加工后的变量） for 变量 in iterable]

l1 = [i for i in range(1,10)]
print(l1)
l2 = [i**2 for i in range(1,11)]
print(l2)

　　

2.筛选模式[变量（加工后的变量） for 变量 in iterable if 条件]

l3 = [i for i in range(1,31) if i % 3 == 0]
print(l3)
g = (i for i in range(101))
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
for i in range(50):
    print(g.__next__())
for i in range(30):
    print(g.__next__())

　　生成器表达式

只需将列表表达式中的[ ]换成（）即可。