1. 迭代器
通过迭代器，能够完成数据的生成，而且不需要很大的存储空间
1.1. 列表的方式和迭代器的最核心的区别
列表中存储的是数据的结果，而迭代器中存储的是生成数据的方式
2. 生成器
生成器是一类特殊的迭代器
2.1. 创建生成器的方法1
- 把一个列表生成式的 [ ] 改成 ( )
L = [ x*2 for x in range(5)]
G = ( x*2 for x in range(5))创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，而 G 是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用。
2.2. 创建生成器的方法2
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用函数来实现。
2.3. 总结
使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
yield关键字有两点作用：
保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）
Python3中的生成器可以使用return返回最终运行的返回值
2.4. 使用send唤醒生成器
我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
例子：执行到yield时，gen函数作用暂时保存，返回i的值; temp接收下次c.send(“python”)，send发送过来的值，c.next()等价c.send(None)
2. python3 迭代器（自定义迭代器）
3. python3 生成器（自定义生成器）
- 生成器（generator）是一种特殊的迭代器，比迭代器更优雅，编写更简单
4. 迭代器和生成器的案例
4.1. 自己实现的一个可以迭代的对象
import time
from collections import Iterable
from collections import Iterator
class Classmate(object):
def __init__(self):
self.names = list()
self.current_num = 0
def add(self, name):
self.names.append(name)
def __iter__(self):
"""如果想要一个对象称为一个 可以迭代的对象，即可以使用for，那么必须实现__iter__方法"""
return self # 调用iter(xxobj)的时候 只要__iter__方法返回一个 迭代器即可，至于是自己 还是 别的对象都可以的, 但是要保证是一个迭代器(即实现了 __iter__ __next__方法)
def __next__(self):
if self.current_num < len(self.names):
ret = self.names[self.current_num]
self.current_num += 1
return ret
else:
raise StopIteration
classmate = Classmate()
classmate.add("老王")
classmate.add("王二")
classmate.add("张三")
# print("判断classmate是否是可以迭代的对象:", isinstance(classmate, Iterable))
# classmate_iterator = iter(classmate)
# print("判断classmate_iterator是否是迭代器:", isinstance(classmate_iterator, Iterator))
# print(next(classmate_iterator))
for name in classmate:
print(name)
time.sleep(1)4.2. 普通版本斐波那契数列
nums = list()
a = 0
b = 1
i = 0
while i < 10:
nums.append(a)
a, b = b, a + b
i += 1
for num in nums:
print(num)4.3. 迭代器版本斐波那契数列
class Fibonacci(object):
def __init__(self, all_num):
self.all_num = all_num
self.current_num = 0
self.a = 0
self.b = 1
def __iter__(self):
return self
def __next__(self):
if self.current_num < self.all_num:
ret = self.a
self.a, self.b = self.b, self.a + self.b
self.current_num += 1
return ret
else:
raise StopIteration
fibo = Fibonacci(10)
for num in fibo:
print(num)4.4. 生成器版本斐波那契数列
def create_num(all_num):
print("----1---")
# a = 0
# b = 1
a, b = 0, 1
current_num = 0
while current_num < all_num:
print("----2---")
# print(a)
yield a # 如果一个函数中有yield语句，那么这个就不在是函数，而是一个生成器的模板
print("----3---")
a, b = b, a + b
current_num += 1
print("----4---")
# 如果在调用create_num的时候，发现这个函数中有yield那么此时，不是调用函数，而是创建一个生成器对象
obj = create_num(10)
ret = next(obj)
print(ret)
ret = next(obj)
print(ret)
obj2 = create_num(2)
ret = next(obj2)
print(ret)
# for num in obj:
# print(num)4.5. 通过异常判断生成器已经结束
def create_num(all_num):
# a = 0
# b = 1
a, b = 0, 1
current_num = 0
while current_num < all_num:
# print(a)
yield a # 如果一个函数中有yield语句，那么这个就不在是函数，而是一个生成器的模板
a, b = b, a + b
current_num += 1
return "ok...."
obj2 = create_num(50)
while True:
try:
ret = next(obj2)
print(ret)
except Exception as ret:
print(ret.value)
break4.6. 通过send来启动生成器
def create_num(all_num):
a, b = 0, 1
current_num = 0
while current_num < all_num:
ret = yield a
print(">>>ret>>>>", ret)
a, b = b, a + b
current_num += 1
obj = create_num(10)
# obj.send(None) # send一般不会放到第一次启动生成器，如果非要这样做 那么传递None
ret = next(obj)
print(ret)
# send里面的数据会 传递给第5行，当做yield a的结果，然后ret保存这个结果,,,
# send的结果是下一次调用yield时 yield后面的值
ret = obj.send("hahahha")
print(ret)
print(next(obj))
print(next(obj))
print(next(obj))
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
