Python 生成器和迭代器

Python中常见的可迭代对象，有list，tuple，dict，set。而关于list，有一个列表生成式：

a = [i for i in range(10)]

通过这种方法，可以声明一个1~9的列表，而且，可以在第一个参数传入一个方法，如：

def f(x):
	return x*x

a = [f(x) for x in range(10)]

这样，就返回了一个1~9平方的列表。

---

但是，如果把中括号换成小括号，会怎么样呢？

1、生成器

a = (x for x in range(10))

将a输出一下：

可以看到的是，它输出了一个地址，而这个地址是生成器对象的（generator）。当对它进行for循环遍历，是可以的。而然，这非重点。

生成器最大的特点就是，生成器对象创建之后，没有任何数据写入到内存。

Python3中，生成器有一个内置的方法__next__()，或者用python内置的方法next()它可以从生成器取出一个数，而取数的方法有三个特点：

1.生成器内部没有存储任何数据，当调用__next__()方法后，它就会通过cpu计算返回一个值，也就是说，调用一个next()方法后才会产生一个数据，不调用则不会产生 。
2.使用next()或者__next__()方法取出数据后，会保存当前的状态，下一次调用next()方法后，返回的数据是上次调用next()返回数据的后一个。
3.使用这种方法遍历，只能按照从前到后的顺序进行遍历，不能进行倒序。而且，当遍历完之后再次调用next()方法，就会抛出一个StopIteration异常。

关于生成器调用next()再产生数据的优点：

for i in range(1000000000000):
	pass

a = (x for x in range(1000000000000)):
	pass

第一种方法会先在内存创建这么多的数字，然后再进行遍历。很显然，内存会被占用很多。而用生成器的话，因为在垃圾回收机制的原因下，取出一个数之后，这个数没有被使用，那么内存中这个数就会被清掉，可以说极大的节省了内存。

其实，还有创建生成器的另一种方式，就是使用yield关键字

def f():
	print("haha")
	yield 1

    print("yingyingying")
    yield 2

a = f()
print(next(a))

通过a接受生成器对象，对a进行next()遍历后，只有1被返回了。其实，yield的作用相当于return，不过区别就是，当执行到这一句的时候，它就会从这一状态退出并且保存这一状态。通俗的来说，就是从函数体内退出然后保存状态，当我下次调用的话就继续从这一个状态执行。当然，遍历完成后再执行next()也还是会报错的。

除了for循环和next()方法，还有一个方法可以遍历生成器，就是yield的内置方法send(）。
send方法和next方法的区别就是，send方法接受一个生成器对象返回的数据的同时，可以修改前一个数据：

可以看到，在函数体内对yield修饰的变量进行赋值后，调用send后c的值变成了9。
这里有一个非常非常重要的点：

第一次调用send前没有调用next方法，必须只能传None

结合列表的思想，就是边界问题。send方法是返回当前指向的数值，然后修改上一个数值。但是第一个因为边界是修改不了的，会产生报错。所以如果调用第一个send方法就要在之前使用next()或者传入None。

2、迭代器

迭代器需要满足两个条件：

1、内部有__iter__方法
2、内部有__next__方法

而可迭代对象只需满足一个条件，即:

1、内部有__iter__方法

使用内置的iter()方法可以将一个可迭代对象转化一个迭代器。而关于生成器，迭代器和可迭代对象的关系：

生成器<迭代器<可迭代对象

---

3、for和迭代器

for循环的工作原理是怎样的呢？

1、使用iter()方法将一个可迭代对象变成一个迭代器
2、一直调用next()方法
3、检测异常

所以，说for遍历的是一个可迭代对象，其实严格意义上来说应该是遍历一个迭代器