迭代器

字符串、列表、元组、字典、集合都可以被for循环，说明他们都是可迭代的

可迭代协议 : 就是内部实现了__iter__方法

可以被for循环的都是可迭代的，要想可迭代，内部必须有一个__iter__方法。

__iter__方法做了什么事情呢？它返回给我们一个迭代器

迭代器协议：必须拥有__iter__方法和__next__方法。

生成器

我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处是可以节省内存。

如果在某些情况下，我们也需要节省内存,就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。

Python中提供的生成器：

1.生成器函数：常规函数定义，但是，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，以便下次从它离开的地方继续执行

2.生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表

生成器Generator：

　　本质：就是迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)

　　特点：惰性运算,开发者自定义

生成器函数

一个包含yield关键字的函数就是一个生成器函数。

yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，而是得到一个可迭代的对象。

每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。

import time

def genrator_fun1():

    a = 1

    print('现在定义了a变量')

    yield a

    b = 2

    print('现在又定义了b变量')

    yield b

g1 = genrator_fun1()

print('g1 : ',g1)       #打印g1可以发现g1就是一个生成器

print('-'*20)   #我是华丽的分割线

print(next(g1))

time.sleep(1)   #sleep一秒看清执行过程

print(next(g1))

生成器有什么好处呢？就是不会一下子在内存中生成太多数据

send

def generator():

    print(123)

    content = yield 1

    print('=======',content)

    print(456)

    yield2

g = generator()

ret = g.__next__()

print('***',ret)

ret = g.send('hello')   #send的效果和next一样

print('***',ret)

#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

def averager():

    total = 0.0

    count = 0

    average = None

    while True:

        term = yield average

        total += term

        count += 1

        average = total/count

g_avg = averager()

next(g_avg)

print(g_avg.send(10))

print(g_avg.send(30))

print(g_avg.send(5))

计算移动平均值

def init(func):  #在调用被装饰生成器函数的时候首先用next激活生成器

    def inner(*args,**kwargs):

        g = func(*args,**kwargs)

        next(g)

        return g

    return inner

@init

def averager():

    total = 0.0

    count = 0

    average = None

    while True:

        term = yield average

        total += term

        count += 1

        average = total/count

g_avg = averager()

# next(g_avg)   在装饰器中执行了next方法

print(g_avg.send(10))

print(g_avg.send(30))

print(g_avg.send(5))

计算移动平均值(2)_预激协程的装饰器

yield from

def gen1():

    for c in 'AB':

        yield c

    for i in range(3):

        yield i

print(list(gen1()))

def gen2():

    yield from 'AB'

    yield from range(3)

print(list(gen2()))

列表推导式和生成器表达式

#列表解析

sum([i for i in range(100000000)])#内存占用大,机器容易卡死

#生成器表达式

sum(i for i in range(100000000))#几乎不占内存

巴特西

day13 python迭代器与生成器

迭代器

生成器

生成器函数

更多应用

send

yield from

列表推导式和生成器表达式

最新文章

热门文章