python_可迭代对象，迭代器，生成器

一。可迭代对象

概念：可以用for操作的对象都是可迭代对象

举例：list tuple str set dict  都是可迭代对象

如何判断是否是可迭代对象：

　　方法一：isinstance(obj,Iterable) ,需要先导入Iterable（from typing import Iterable）

　　　　　　

　　方法二：有__iter__属性就是可迭代对象

　　  print(hasattr(list, "__iter__"))

　　print(hasattr(tuple, "__iter__"))
　　print(hasattr(str, "__iter__"))
　　print(hasattr(set, "__iter__"))
　　print(hasattr(dict, "__iter__"))

#不可迭代对象

for i in int(1): #会报错：TypeError: 'int' object is not iterable
    print(i)

 

可迭代对象range()的实现方法：

　　

def my_range(stop):
    """模拟了python2中的range"""
value = 1
result = []
    while value < stop:
        result.append(value)
        value += 1
return result


# python2 中有xrange这个函数
# python3 中把python2的 range和xrange 整合为 "range"

if __name__ == '__main__':
    # print(my_range(10))

print(isinstance(my_range(10), Iterable))

    # 如果输入的数字过大就会很慢
# print(my_range(999999999999999999))

 

二。迭代器

#如何判断某个对象是不是迭代器
#方法一：isinstance(obj,Iterator) ,需要先导入Iterator
#方法二：看对象有没有__iter__属性和__next__属性
#迭代器协议：
#1。迭代器类型必须实现 __iter__ 和 __next__ （__next__在python2中是next，没有下滑线）
#2。__iter__ 方法必须返回self
#3。__next__必须返回下一个值，如果没有下一个抛出StopIteration异常
from typing import Iterator

obj = range(1,2)
obj1= iter(range(1,2))

#方法一：
print(isinstance(obj,Iterator)) #False

print(isinstance(obj1,Iterator)) #True

print(isinstance([1,2,3],Iterator)) #False

#方法二：
for attr in dir(list):
    print(attr) #只有：__iter__属性

for attr in dir(obj1):
    print(attr) #有："__iter__" 和 "__next__" 属性

 

 

三。生成器

#生成器的意义：为了快速创建一个迭代器
# yield的关键字，来实现快速创建迭代器，生成器一定是一个迭代器
#yield用法：在函数中使用
#如果一个函数中有yield关键字，调用函数的时候不会执行函数的内容，会返回一个对象（这个对象类型是生成器类）

 

四：自己实现一个生成器

# 手动实现1-3的平方，返回1 4 9
result = []
for i in [1, 2, 3]:
    result.append(i * i)
print(result)


# 第一种：迭代器实现
class Squares(object):
    def __init__(self, start, stop):
        self.start = start
        self.stop = stop

    def __iter__(self):
        return self

def __next__(self):
        if self.start > self.stop:
            raise StopIteration
current = self.start * self.start
        self.start += 1
return current


# 第第二种：生成器实现
def squares(start, stop):
    for i in range(start, stop+1):
        yield i * i

#第三种：
squares2 = (i*i for i in range(1,4))

#第二种方法和第三种方法对比：都是一样的类型 ,返回的都是：<class 'generator'>
print(type(squares(1,4)))
print(type(squares2))
if __name__ == '__main__':
    #迭代器实现
# iterator = Squares(1, 3)
    # for i in result:
    #     print(i)

    #生成器实现
iterator = squares(1, 3)
    for i in result:
        print(i)

 

五：生成器的执行过程

def f():
    print("开始执行")
    yield 1
print("~~~~~~~~~~")
    yield 2


def f2():
    result = []
    result.append(1)
    result.append(2)
    return result


#当要访问生成器的__next__方法时，函数会变成 running 状态，当执行完成yield时，函数变成非running状态(即挂起)，
# 只有再次执行生成器的__next__方法时函数才会唤醒
#疑问：什么情况下会执行生成器对象的__next__方法那？
# （获取生成器下一个值的时候【参考f()与f2(),这两个方法最终结果是一样的，在执行f()时第二次 yield 2 就是获取下一个值，也就是执行__next__】）
if __name__ == '__main__':
    obj = f()
    #如果有yield返回的是 generator 对象，如果没有yield 返回的是"开始执行"
print(obj)
    print(type(obj))
    print(obj.__next__())
    print(obj.__next__())

    #yield  与  return区别
#共同点：都是python的关键字
#不同点：return 是结束函数并返回值，yield是暂时离开函数

#方法一：isinstance(obj,Iterable) ,需要先导入Iterable