python 全栈开发，Day13(迭代器,生成器)

一、迭代器

python 一切皆对象

能被for循环的对象就是可迭代对象

可迭代对象： str，list，tuple，dict，set，range

迭代器： f1文件句柄

 

dir打印该对象的所有操作方法

?

1 2	s = 'python' print(dir(s))

执行输出：

['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']

 

什么是可迭代对象：内部含有__iter__方法的对象就叫做可迭代对象
可迭代对象就遵循可迭代协议。

如何判断 两种方式

第一种：

?

1 2	s = 'python' print('__iter__' in dir(s))

执行输出：

True

 

第二种：

?

1 2 3

from collections import Iterable l = [1, 2, 3, 4] print(isinstance(l, Iterable))

执行输出：

True

 

?

1 2 3 4

from collections import Iterable l = [1, 2, 3, 4] print(type(l)) print(isinstance(l,list))

执行输出：

<class 'list'>
True

 

type只能判断是什么类型

isinstance判断方面更广，不仅能判断类型，还能判断是否可迭代

 

迭代器

可迭代对象转化成迭代器：可迭代对象.__iter__() --->迭代器
迭代器不仅含有__iter__,还含有__next__。遵循迭代器协议。

?

1 2 3

l1 = [1,2,3] l1_obj = l1.__iter__()  # 迭代器 print(l1_obj)

执行输出：

<list_iterator object at 0x000001987D5EB668>

表示它是一个列表迭代器对象

 

?

1 2 3 4 5

l1 = [1,2,3] l1_obj = l1.__iter__()  # 迭代器 print('__iter__' in  dir(l1_obj)) #是否含有__iter__方法 print('__next__' in  dir(l1)) #是否含有__next__方法 print('__next__' in  dir(l1_obj))

执行输出：

True
False
True

 

从结果中，可以看出l1_obj是同时含有__iter__和__next__的对象，所以它是迭代器

 

迭代器使用__next__获取一个值

?

1 2 3 4 5 6

l1 = [1,2,3] l1_obj = l1.__iter__()  # 迭代器 print(l1_obj.__next__()) #获取一个元素 print(l1_obj.__next__()) print(l1_obj.__next__()) print(l1_obj.__next__())

执行报错：

1
Traceback (most recent call last):
2
3
File "E:/python_script/day13/迭代器.py", line 9, in <module>
print(l1_obj.__next__())
StopIteration

多取了一个，就会报错，因为列表只有3个元素

 

使用for循环方式

?

1 2 3 4

l1 = [1,2,3] l1_obj = l1.__iter__()  # 转换为迭代器 for i in l1_obj:     print(i)

执行输出：

1
2
3

 

for循环的内部机制，就是用__next__方法执行的。为什么没有报错呢？它内部有异常处理机制

总结：

 

仅含有__iter__方法的，就是可迭代对象
包含__iter__和__next__方法的，就是迭代器

 

判断迭代器的2种方法：

第1种：

?

1 2 3

l1 = [1,2,3] l1_obj = l1.__iter__()  # 转换为迭代器 print('__iter__' in  dir(l1_obj))

第2种：

?

1 2 3 4

l1 = [1,2,3] l1_obj = l1.__iter__()  # 转换为迭代器 from collections import Iterator print(isinstance(l1_obj, Iterator))

返回True，就表示它是的

 

迭代器的好处：
1，节省内存空间。
2，满足惰性机制。
3，不能反复取值，不可逆。

 

不可逆，表示，已经取过的值，不能再次取，它只能取下一个。

 

for处理机制

?

1 2 3

l2 = [1, 2, 3, 4, 5, 6, 7, 8] for i in l2:     print(i)

1，将可迭代对象转化成迭代器
2，内部使用__next__方法取值
3，运用了异常处理去处理报错。

 

迭代器最大的好处，就是节省内存
好的程序员，会在内存优化方面考虑，比如迭代器。

 

使用while循环，指定用__next__方法遍历列表

?

1 2 3 4 5 6 7 8

l2 = [1, 2, 3, 4, 5, 6, 7, 8] l2_obj = l2.__iter__() #1.将可迭代对象转化成迭代器 while True:     try:         i = l2_obj.__next__() #内部使用__next__方法取值         print(i)     except Exception: #运用了异常处理去处理报错         break

try里面的代码，出现报错，不会提示红色文字
Exception 可以接收所有报错，表示报错的时候，该怎么处理，这里直接使用breck跳出循环

 

面试题：

使用whlie循环去遍历一个有限对象

直接使用上述代码即可。

 

二、生成器

 生成器：生成器本质上是迭代器

?

1 2	l = [1,2,3] l.__iter__()

#生成器的产生方式：
1，生成器函数构造。
2，生成器推导式构造。
3，数据类型的转化。

 

?

1 2 3 4 5 6

def func1():     print(111)     print(222)     print(333)     return 666 print(func1())

执行输出：

111
222
333
666

 

将函数转换为生成器

?

1 2 3 4 5 6 7

def func1():     print(111)     print(222)     print(333)     yield 666 g = func1() print(g)

执行输出：

<generator object func1 at 0x000001B4C369DE60>

 

第一：函数中只要有yield 那他就不是一个函数，而是一个生成器
第二：g称作生成器对象。

 

迭代器，使用__next__取值

?

1 2 3 4 5 6 7 8

def func1():     print(111)     print(222)     print(333)     yield 666 g = func1() print(g.__next__()) print(g.__next__())

执行报错
一个__netxt__对应一个yield

 

比如生产10000套服装

一个厂商直接生产出10000套了

?

1 2 3 4

def func1():     for i in range(1,10001):         print('ARMAIN服装%d套' % i) func1()

执行输出：

...

ARMAIN服装9998套
ARMAIN服装9999套
ARMAIN服装10000套

 

第二个厂商，先生产出50套，给老板看

?

1 2 3 4 5 6

def func1():     for i in range(1,10001):         yield 'ARMAIN服装%d套' % i g = func1() for i in range(1,51):     print(g.__next__())

执行输出：

...

ARMAIN服装48套
ARMAIN服装49套
ARMAIN服装50套

 

最终老板只要200套
先50套，再150套

?

1 2 3 4 5 6 7 8 9

def func1():     for i in range(1,10001):         yield 'ARMAIN服装%d套' % i g = func1() for i in range(1,51):     print(g.__next__()) #再执行150次，注意，它是从51开始的 for j in range(150):     print(g.__next__())

之前生产10000套的....

 

对于列表而言，for循环是从开始
对于生成器而言，它是有指针的，__next__一次，指针向前一次。它不能从头开始。
必须依次执行才行

生成器和迭代器的区别
迭代器： 有内置方法
生成器： 开发者自定义

 

send

?

1 2 3 4 5 6 7 8 9 10 11 12

def generator():     print(123)     content = yield 1     print('=======',content)     print(456)     yield   g = generator() ret = g.__next__() print('***',ret) ret = g.send('hello')   #send的效果和next一样 print('***',ret)

执行输出：

123
*** 1
======= hello
456
*** None

 

send 获取下一个值的效果和next基本一致
只是在获取下一个值的时候，给上一yield的位置传递一个数据
使用send的注意事项

　　 第一次使用生成器的时候 是用next获取下一个值
 　　最后一个yield不能接受外部的值

 

next 和send 功能一样，都是执行一次
send可以给上一个yield赋值。

 

明日默写内容：

 

1.什么是可迭代对象，什么是迭代器
答：
内部含有__iter__方法的对象就叫做可迭代对象
内部必须有__iter__方法和__next__方法的对象，叫做迭代器

2.可迭代对象如何转化成迭代器
答：
转化成迭代器：可迭代对象.__iter__() --->迭代器
例如

?

1 2	l1 = [1,2,3] l1_obj = l1.__iter__()

3.迭代器如何取值
答：
迭代器使用__next__()方法

 

4.什么是生成器？如何写一个生成器？生成器怎么取值？
答：
生成器，即生成一个容器。在Python中，一边循环，一边计算的机制，称为生成器。

#生成器示例

?

1 2	def fun1():     yield 1

　　

生成器使用__next__()方法取值，或者for循环