python 迭代器和生成器

小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

1.迭代器协议是指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，
要么就引起一个StopIteration异常，以终止迭代（只能往后走不能往前退）2.可迭代对象：实现了迭代器协议的对象（如何实现：对象内部定义一个__iter__()方法）3.协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环，sum，min，max函数等)使用迭代器协议访问对象。(字符串，列表，元组，字典，集合，文件对象）这些都不是可迭代对象，只不过在for循环式，
调用了他们内部的__iter__方法，把他们变成了可迭代对象
然后for循环调用可迭代对象的__next__方法去取值，而且for循环会捕捉StopIteration异常，以终止迭代

l = [1,2,3,4]
for i in l:
print(i)print(l.__iter__())
iter_l = l.__iter__()
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__())

# 用while 去模拟 for循环做的事
l = [1,2,3,4]
iter_l = l.__iter__()
while True:
try:
print(iter_l.__next__())
except StopIteration:
print("迭代完毕了，循环结束了")
break

什么是生成器？可以理解为一种数据类型，这种数据类型自动实现了迭代器协议
（其他的数据类型需要调用自己内置的__iter__方法），所以生成器就是可迭代对象生成器分类及在python中的表现形式：（Python有两种不同的方式提供生成器）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，以便下次重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为何使用生成器之生成器的优点Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处。

# 1.生成器函数
def test():
yield 1
yield 2g = test()
print(g)
print(g.__next__())
print(g.__next__())

#2.生成器表达式
g1 = ((i for i in range(10)))
print(g1)
print(g1.__next__())
print(g1.__next__())
print(g1.__next__())
print(g1.__next__())

生成器小结：1.是可迭代对象2.实现了延迟计算,省内存啊3.生成器本质和其他的数据类型一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处，其余的可迭代对象可没有这点好处

#总结：#1.把列表解析的[]换成()得到的就是生成器表达式#2.列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存#3.Python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。
# 例如， sum函数是Python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议，
# 所以，我们可以直接这样计算一系列值的和：

#列表解析
s = sum([i for i in range(1000000)]) #内存占用大,机器容易卡死
print(s)

#生成器表达式
s1 = sum(i for i in range(1000000)) #几乎不占内存
print(s1)

import time
def test():
print("开始生孩子了")
print("开始生孩子了")
print("开始生孩子了")
yield "我" time.sleep(2)
print("开始生")
yield "小孩" time.sleep(2)
print("开始生")
yield "孙子"g = test() #生成器函数
print(g.__next__()) #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，以便下次重它离开的地方继续执行
print(g.__next__())
print(g.__next__())

def t():
for i in range(10):
yield i #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，以便下次重它离开的地方继续执行g = t()
print(g) #生成器函数
print(g.__next__()) #.__next__()执行一次返回一个结果，光标会停在yield的后面
print("可以做别的事情")
print(g.__next__())
print("可以做别的事情")
print(g.__next__())
print("可以做别的事情")
print(g.__next__())def t1():
for i in range(10):
print("111")
yield i
print("222")g1 = t1()
print(g1)
print(next(g1))
print(next(g1))

#人口信息.txt文件内容
# {'name':'北京','population':10}
# {'name':'南京','population':100000}
# {'name':'山东','population':10000}
# {'name':'山西','population':19999}def get_provice_population(filename):
with open(filename) as f:
for line in f:
p=eval(line) #字符提为字典
yield p['population']
gen=get_provice_population('人口信息.txt')all_population=sum(gen)
for p in gen:
print(p/all_population)#执行上面这段代码，将不会有任何输出，这是因为，生成器只能遍历一次。在我们执行sum语句的时候，
# 就遍历了我们的生成器，当我们再次遍历我们的生成器的时候，将不会有任何记录。所以，上面的代码不会有任何输出。
#因此，生成器的唯一注意事项就是：生成器只能遍历一次。