python中的迭代、生成器等等
本人对编程语言实在是一窍不通啊。。。今天看了廖雪峰老师的关于迭代，迭代器，生成器，递归等等，word天，这都什么跟什么啊。。。
1.关于迭代
如果给定一个list或tuple，我们可以通过for循环来遍历这个list或tuple，这种遍历我们称为迭代（Iteration）（Iteration的中文意思就是：反复、重复、迭代等）。而这些for循环所遍历的对象（list or tuple 等）成为可迭代对象（Iterable）。
也就是说“迭代”就是一个动作或者过程，可以把list或tuple中的元素一个个检查一遍（遍历）。如下：
1 >>> for i in range(0,10): 2 print (i)
结果会是 0 1 2 3 4 5 6 7 8 9 这个过程就是迭代，而这里的range(0,10)就是可迭代对象（Iterable）。所以，当我们使用for循环时，只要作用于一个可迭代对象，for循环就可以正常运行，而我们不太关心该对象究竟是list还是其他数据类型。
1.1 判断一个对象是否是可迭代对象
通过collections模块的Iterable类型来判断：
1 >>>from collections import Iterable 2 >>>isinstance('abc',Iterable) #str 'abc' 是否可迭代（Iterable） 3 True 4 >>>isinstance([1,2,3],Iterable) #list [1,2,3] 是否可迭代（Iterable） 5 True 6 >>>isinstance(123,Iterable) # 整数123 是否可迭代
2.生成器
在Python中，一边循环一边计算的机制，称为生成器：generator。定义generator有两种方式。
2.1 定义generator的第一种方法
1 >>> L = [x * x for x in range(10)] 2 >>> L 3 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 4 >>> g = (x * x for x in range(10)) 5 >>> g 6 <generator object <genexpr> at 0x1022ef630>
这一种方法很简单，把一个列表生成式[]改成()，就创建了generator。这里创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。如果要一个一个把g里面的元素打印出来，可以通过next()函数获得generator的下一个返回值：
1 >>> next(g) 2 0 3 >>> next(g) 4 1 5 >>> next(g) 6 4 7 >>> next(g) 8 9 9 >>> next(g) 10 16 11 >>> next(g) 12 25 13 >>> next(g) 14 36 15 >>> next(g) 16 49 17 >>> next(g) 18 64 19 >>> next(g) 20 81 21 >>> next(g) 22 Traceback (most recent call last): 23 File "<stdin>", line 1, in <module> 24 StopIteration
generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。但是，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它：
1 >>> g = (x * x for x in range(10)) 2 >>> for n in g: 3 ... print(n) 4 ... 5 0 6 1 7 4 8 9 9 16 10 25 11 36 12 49 13 64 14 81
2.1 定义generator的第二种方法
第二种方法是通过函数来定义。
著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
1 def fib(max): 2 n, a, b = 0, 0, 1 3 while n < max: 4 print(b) 5 a, b = b, a + b #这里指的是a=b，b=a+b 6 n = n + 1 7 return 'done'
我现在才知道为什么要加一个max参数，利用n<max 正好可以使a+b的次数等于输入的max，例如fib（10），那么结束循环的时候a+b正好10次。
测试代码如下:
fib(6): 1 1 2 3 5 8 'done'
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
1 def fib(max): 2 n, a, b = 0, 0, 1 3 while n < max: 4 yield b 5 a, b = b, a + b 6 n = n + 1 7 return 'done'
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。
1 >>> f = fib(6) 2 >>> f 3 <generator object fib at 0x104feaaa0>
把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：
1 >>> for n in fib(6): 2 ... print(n) 3 ... 4 1 5 1 6 2 7 3 8 5 9 8
这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
再看下面这个例子：
1 def odd(): 2 print('step 1') 3 yield 1 4 print('step 2') 5 yield(3) 6 print('step 3') 7 yield(5)
调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：
1 >>> o = odd() 2 >>> next(o) 3 step 1 4 1 5 >>> next(o) 6 step 2 7 3 8 >>> next(o) 9 step 3 10 5 11 >>> next(o) 12 Traceback (most recent call last): 13 File "<stdin>", line 1, in <module> 14 StopIteration
可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。
