python总结-生成器与迭代器

生成器

生成器定义

在Python中，一边循环一边计算的机制，称为生成器：generator

为什么要有生成器

列表所有数据都在内存中，如果有海量数据的话将会非常耗内存。
如：仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间
都白白浪费了。
如果列表元素按照某种算法推算出来，那我们就可以在循环的过程
中不断推算出后续的元素，这样就不必创建完整的list，从而节省大
量的空间。

简单说：
时间换空间！想要得到庞大的数据，又想让它占用空间少，那就用生成器！
延迟计算！需要的时候，再计算出数据！

创建生成器的方式一(生成器表达式)

生成器表达式很简单，只要把一个列表推导式的 [] 改成 () ，就创建
了一个生成器(generator)：

L = [x * x for x in range(10)]
print(L)
g = (x * x for x in range(10))
print(g)

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
<generator object at 0x1006e8520>

创建 L 和 g 的区别仅在于最外层的 [] 和 () ， L 是一个list，而 g 是一个
generator。

创建生成器的方式二(生成器函数)

生成器函数：

1. 如果一个函数中包含 yield 关键字，那么这个函数就不再是一个普通函数，调用函数就是创建了一个生成器（generator）对象。
2. 生成器函数：其实就是利用关键字 yield 一次性返回一个结果，阻塞，重新开始。

生成器函数的工作原理

生成器函数返回一个迭代器，for循环对这个迭代器不断调用 next() 函数，不断运行到下一个 yield
语句，一次一次取得每一个返回值，直到没有 yield 语句为止，最终引发 StopIteration 异 常。

yield 相当于 return 返回一个值，并且记住这个返回的位置，下次迭代时，代码从 yield 的下一条 语句(不是下一行)开始执行。

send() 和 next() 一样，都能让生成器继续往下走一步（下次遇到 yield 停），但 send() 能传一个 值，这个值作为
yield 表达式整体的结果

#coding=utf-8
"""
1. 函数有了yield之后，调用它，就会生成一个生成器
2. yield作用：程序挂起，返回相应的值。下次从下一个语
句开始执行。
3. return在生成器中代表生成器种植，直接报错：
StopIeratation
4. next方法作用：唤醒并继续执行
"""def test():print("start")i=0while i<3:temp = yield i  #下次迭代时，代码从`yield`的下一条语句(不是下一行)开始执行print(f"temp:{temp}")i += 1print("end")return "done"if __name__ == '__main__':a = test()print(type(a))print(a.__next__())print(a.__next__())print(a.__next__())   # next(a) 一样print(a.__next__())  # 抛出异常：StopIteration

总结

什么是生成器？
生成器仅仅保存了一套生成数值的算法，并且没有让这个算
法现在就开始执行，而是我什么时候调它，它什么时候开始
计算一个新的值，并给你返回。

迭代器

概念

1 迭代是Python最强大的功能之一，是访问集合元素的一种方式。
2 迭代器是一个可以记住遍历的位置的对象。
3 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
4 迭代器只能往前不会后退。
5 迭代器有两个基本的方法： iter() 和 next()

可迭代对象和迭代器区别

1 一个实现了 iter 方法的对象，称为"可迭代对象Ieratable"
2 一个实现 next 方法并且是可迭代的对象，称为"迭代器Iterator"
即：实现了 iter 方法和 next 方法的对象就是迭代器。

⚠️生成器都是 Iterator 对象，但 list 、 dict 、 str 虽然是 Iterable（可迭代对
象） ，却不是 Iterator（迭代器） 。

为什么 list 、 dict 、 str 等数据类型不是 Iterator ？
Python的 Iterator 对象表示的是一个数据流。可以把这个数据流看
做是一个有序序列，但我们却不能提前知道序列的长度，只能
不断通过 next() 函数实现按需计算下一个数据，所以 Iterator 的计算
是惰性的，只有在需要返回下一个数据时它才会计算。
所以，生成器一定是迭代器。
Iterator 甚至可以表示一个无限大的数据流，例如全体自然数。而
使用list是永远不可能存储全体自然数的。

for循环的本质

Python3的 for 循环本质上就是通过不断调用 next() 函数实现的。
本质是：

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
try:# 获得下一个值:x = next(it)
except StopIteration:# 遇到StopIteration就退出循环break

创建一个迭代器

一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与
__next__()
__iter__() 方法返回一个特殊的迭代器对象， 这个迭代器对象实现了 __next__() 方法并通过StopIteration 异常标识迭代的完成。
__next__() 方法会返回下一个迭代器对象。

class MyNumbers:def __iter__(self):self.num = 10return selfdef __next__(self):if self.num<40:x = self.numself.num += 10return xelse:raise StopIteration
myclass = MyNumbers()
myiter = iter(myclass)print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))

动态添加属性和方法

动态编程语言是高级程序设计语言的一个类别，在计算机科学领域
已被广泛应用。
它是指在运行时可以改变其结构的语言 ：例如新的函数、 对象、甚
至代码可以被引进，
已有的函数可以被删除或是其他结构上的变化。

运行过程中给对象、类添加属性和方法

#coding=utf-8
import types
class Person():def __init__(self,name,age):self.name = nameself.age = age
p1 = Person("zhangsan",20)
p2 = Person("lisi",30)
#动态给对象添加属性和方法
p1.score = 100
print(p1.score)def run(self):print(f"{self.name},running...")
#动态的对象添加方法
p1.run = types.MethodType(run,p1)
p1.run()

types.MethonType的使用

p1.run = types.MethodType(run,p1)
# 即使换成
xxx = types.MethodType(run,p1)
# xxx()调用一样还用
# 因为之前提示缺少参数，主要是不知道self到底是谁，
# 而types.MethodType(run,p1)则是告诉解释器，self
指的就是p1

给类动态添加静态方法以及类方法

@staticmethod
def staticfunc():print("---static method---")
Person.staticfunc = staticfunc
Person.staticfunc()@classmethod
def clsfunc(cls):print('---cls method---')
Person.clsfunc = clsfunc
Person.clsfunc()

slots 的作用

__slots__ 对动态添加成员变量、成员方法有限制。对动态添加类属性、类方法没有限制。
__slots__ 只对本类有限制，不限制子类

class Person():__slots__ = {"name","age"}def __init__(self,name,age):self.name = nameself.age = agedef eat(self):print("人是铁饭是钢，要吃！")
if __name__ == '__main__':p1 = Person("gaoqi",18)
#   p1.gender = "man" #AttributeError:
'Person' object has no attribute 'gender'