Python学习之路--迭代器，生成器

2019-05-28 22:01:29 阅读：200 来源： 互联网

标签：__ .__ 迭代 Python 生成器 iter next print

迭代器

# 双下方法
# print([1].__add__([2]))
# print([1]+[2])

# 迭代器
# l = [1,2,3]
# 索引
# 循环 for
# for i in l:
#     i
#
# for k in dic:
#     pass


# list
# dic
# str
# set
# tuple
# f = open()
# range()
# enumerate
# print(dir([]))   #告诉我列表拥有的所有方法
# ret = set(dir([]))&set(dir({}))&set(dir(''))&set(dir(range(10)))
# print(ret)  #iterable
# print('__iter__' in dir(int))
# print('__iter__' in dir(bool))
# print('__iter__' in dir(list))
# print('__iter__' in dir(dict))
# print('__iter__' in dir(set))
# print('__iter__' in dir(tuple))
# print('__iter__' in dir(enumerate([])))
# print('__iter__' in dir(range(1)))

# 只要是能被for循环的数据类型 就一定拥有__iter__方法
# print([].__iter__())
# 一个列表执行了__iter__()之后的返回值就是一个迭代器
# print(dir([]))
# print(dir([].__iter__()))
# print(set(dir([].__iter__())) - set(dir([])))
# print([1,'a','bbb'].__iter__().__length_hint__())  #元素个数
# l = [1,2,3]
# iterator = l.__iter__()
# print(iterator.__next__())
# print(iterator.__next__())
# print(iterator.__next__())
# print(iterator.__next__())

# Iterable  可迭代的    -- > __iter__  #只要含有__iter__方法的都是可迭代的
# [].__iter__() 迭代器  -- > __next__  #通过next就可以从迭代器中一个一个的取值

# 只要含有__iter__方法的都是可迭代的 —— 可迭代协议

# print('__iter__' in dir( [].__iter__()))
# print('__next__' in dir( [].__iter__()))
from collections import Iterable
from collections import Iterator
# print(isinstance([],Iterator))
# print(isinstance([],Iterable))

# class A:
#     # def __iter__(self):pass
#     def __next__(self):pass
#
# a = A()
# print(isinstance(a,Iterator))
# print(isinstance(a,Iterable))


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

# 迭代器的概念
# 迭代器协议 —— 内部含有__next__和__iter__方法的就是迭代器

# 迭代器协议和可迭代协议
# 可以被for循环的都是可迭代的
# 可迭代的内部都有__iter__方法
# 只要是迭代器 一定可迭代
# 可迭代的.__iter__()方法就可以得到一个迭代器
# 迭代器中的__next__()方法可以一个一个的获取值

# for循环其实就是在使用迭代器
# iterator
# 可迭代对象
# 直接给你内存地址
# print([].__iter__())
# print(range(10))

#for
#只有 是可迭代对象的时候 才能用for
#当我们遇到一个新的变量，不确定能不能for循环的时候，就判断它是否可迭代

# for i in l:
#     pass
#iterator = l.__iter__()
#iterator.__next__()

#迭代器的好处：
    # 从容器类型中一个一个的取值，会把所有的值都取到。
    # 节省内存空间
        #迭代器并不会在内存中再占用一大块内存，
            # 而是随着循环 每次生成一个
            # 每次next每次给我一个
# range
# f
# l = [1,2,3,45]
# iterator = l.__iter__()
# while True:
#     print(iterator.__next__())

# print(range(100000000000000))
# print(range(3))
# print(list(range(3)))
# def func():
#     for i in  range(2000000):
#         i = 'wahaha%s'%i
#     return i

# 生成器 —— 迭代器
# 生成器函数 —— 本质上就是我们自己写得函数
# 生成器表达式
l = [1,2,3,4,5]
for i in l:
    print(i)
    if i == 2:
        break

for i in l:
    print(i)

生成器

本质是迭代器

生成器函数 ： 执行之后会得到一个生成器作为返回值

只要含有yield关键字的函数都是生成器函数

yield不能和return共用且需要写在函数内
从生成器中取值的几个方法：
   __next__
   for
   数据类型的强制转换

def generator():
    print(1)
    yield  'a'
ret = generator()
print(ret)
print(ret.__next__())
# <generator object generator at 0x00000271D5CBBE60>
# 1
# a
def generator():
    print(1)
    yield  'a'
    print(2)
    yield  'b'
g = generator()
print(g.__next__())
print(g.__next__())
# 1
# a
# 2
# b

View Code

def wa():
    for i in range(2000000):
        yield 'hh%s'%i
g = wa()
count = 0
for i in g:
    count += 1
    print(i)
    if count >50:
        break
for i in g:
    count += 1
    print(i)
    if count >100:
        break
send 的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，给上一个yield的位置传递一个数据

def generator():
    print(123)
    num = yield 1
    print('3333',num)
    print(456)
    yield 2
    print(789)

g = generator()
ret = g.__next__()
print('***',ret)
# ret = g.__next__()
ret = g.send('hello')  #send的效果和next一样
print('***',ret)

View Code

· 第一次使用生成器的时候使用next获取下一个值

最后一个yield不能接受外部的值

def average():
    sum = 0
    count = 0
    avg = 0
    num = yield
    sum += num
    count += 1
    avg = sum/count
    yield avg
avg_g = average()
avg_g.__next__()
avg1 = avg_g.send(10)
print(avg1)#10

View Code

def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        # num = yield
        num = yield avg
        sum += num
        count += 1
        avg = sum/count
avg_g = average()
avg_g.__next__()
avg1 = avg_g.send(10)
avg1 = avg_g.send(20)
print(avg1)

View Code

带装饰器

def init(func):
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        g.__next__()
        return g
    return inner
@init
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        # num = yield
        num = yield avg
        sum += num
        count += 1
        avg = sum/count
avg_g = average()
avg1 = avg_g.send(10)
print(avg1)

View Code

yield from

def generator():
    a = 'abcde'
    b = '12345'
    yield from a
    yield from b

g = generator()
for i in g:
    print(i)

View Code

生成器表达式

g = (i for i in range(10))#生成器
print(g)
for i in g:
    print(i)

#括号不一样，返回的值不一样== 几乎不占用内存

标签：__,.__,迭代,Python,生成器,iter,next,print
来源： https://www.cnblogs.com/rssblogs/p/10932634.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

Python学习之路--迭代器，生成器

迭代器

生成器