迭代器與生成器

迭代器

我們已經知道，可以直接作用於for循環的數據類型有以下幾種：

一類是集合數據類型，如list、tuple、dict、set、str等；

一類是generator，包括生成器和帶yield的generator function。

這些可以直接作用於for循環的對象統稱為可迭代對象：Iterable。

而生成器不但可以作用於for循環，還可以被next()函數不斷調用並返回下一個值，直到最后拋出StopIteration錯誤表示無法繼續返回下一個值了。

*可以被next()函數調用並不斷返回下一個值的對象稱為迭代器：Iterator。

生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。

把list、dict、str等Iterable變成Iterator可以使用iter()函數。

這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。

Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。

迭代協議

• 迭代器協議是指：對象必須提供一個next方法，執行該方法要么返回迭代中的下一項，要么就引起一個StopIteration異常，以終止迭代 （只能往后走不能往前退）
• 可迭代對象：實現了迭代器協議的對象（如何實現：對象內部定義一個__iter__()方法）
• 協議是一種約定，可迭代對象實現了迭代器協議，python的內部工具（如for循環，sum，min，max函數等)使用迭代器協議訪問對象。
• for循環的本質就是遵循迭代器協議去訪問對象，那么for循環的對象肯定都是迭代器。
• 不可迭代對象：字符串，列表，元組，字典，集合，文件對象。只不過通過for循環，調用了他們內部的__iter__方法,把他們變成了可迭代對象。

特點：

    1.生成器是可迭代對象

    2.實現了延遲計算，看內存(按需，執行)

    3.生成器本質和其他類型一樣，都是實現了迭代器協議，只不過生成器是一邊計算，一邊生成，從而節省內存空間，其余的可迭代對象可沒有好處。

小結

凡是可作用於for循環的對象都是Iterable類型；

凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；

集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。

Python的for循環本質上就是通過不斷調用next()函數實現的

 

 

 

生成器

通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數元素占用的空間都白白浪費了。

所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。

生成器就是迭代器，可以理解為一種數據類型，這種類型自動實現了迭代器協議.（其他的數據類型需要調用自己內置的__iter__方法），所以生成器就是可迭代對象。

生成器給了我們什么好處

Python使用生成器對延遲操作提供了支持。所謂延遲操作，是指在需要的時候才產生結果，而不是立即產生結果。這也是生成器的主要好處。

生成器小結：

• 是可迭代對象
• 實現了延遲計算
• 生成器本質和其他的數據類型一樣，都是實現了迭代器協議，只不過生成器附加了一個延遲計算省內存的好處，其余的可迭代對象可沒有這點好處。

創建一個生成器

 要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：

t = [x+1 for x in range(4)]

print(t)

t = (x+1 for x in range(4))

print(t)

第一個t是一個list 第二個t是一個generator。我們可以使用for循環將list中的每個元素取出來，但是要取出generator中的元素，一般來說是使用__next__()方法，但是每次使用只能打印出一個元素。當元素的數據量過於龐大時，也可以使用for方法。這只是定義generator的一種方法。除了這個方法，我們還可以通過在函數中添加yiled關鍵字來將函數改變成generator。例如我們可以用生成器寫一個斐波那契數列。

def fib(max):
    n,a,b = 0,0,1

    while n < max:
        #print(b)
        yield  b #只要是含有yield關鍵字就是生成器 可以yield多次 yield保存函數的狀態
        a,b = b,a+b

        n += 1

t = fib(10)

print(t.__next__()) #生成器自動實現了迭成器,所以會有__next__()方法。
print(t.__next__()) #運行一次，相當於保存的是上一次內存里狀態的結果

這里，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最后一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

data = fib(10)
print(data)

print(data.__next__())
print(data.__next__())
print("干點別的事")
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())

#輸出
<generator object fib at 0x101be02b0>
1
干點別的事
3
8

在上面fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。

同樣的，把函數改成generator后，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來迭代。

但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中。

還可通過yield實現在單線程的情況下實現並發運算的效果

#_*_coding:utf-8_*_
__author__ = 'Alex Li'

import time
def consumer(name):
    print("%s 准備吃包子啦!" %name)
    while True:
       baozi = yield

       print("包子[%s]來了,被[%s]吃了!" %(baozi,name))


def producer(name):
    c = consumer('A')
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print("老子開始准備做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("做了2個包子!")
        c.send(i)
        c2.send(i)

producer("alex")

通過生成器實現協程並行運算

send觸發yield返回值原理，一下面的代碼為例

def consumer(name):
    print("%s 准備吃包子啦!" %name)
    while True:
       baozi = yield

       print("包子[%s]來了,被[%s]吃了!" %(baozi,name))

c = consumer("alex")

c.__next__()
c.send("韭菜餡")

過程如下圖

yield類似於return語句，但是yileld不光可以返回值，還能接受傳值。同時yield也是一段代碼中斷和開始的地方。

總結：

1.把列表解析的[]換成()得到的就是生成器表達式

2.列表解析與生成器表達式都是一種便利的編程方式，只不過生成器表達式更節省內存

3.Python不但使用迭代器協議，讓for循環變得更加通用。大部分內置函數，也是使用迭代器協議訪問對象的。例如， sum函數是Python的內置函數，該函數使用迭代器協議訪問對象，而生成器實現了迭代器協議，所以，我們可以直接這樣計算一系列值的和。