Python_迭代器、生成器

迭代器和生成器

迭代器：

　　只要是能被 for 循环的数据类型，就一定拥有 __iter__ 方法

　　一个列表执行了 __iter__() 之后的返回值就是一个迭代器

print([].__iter__())

　　只要含有 __iter__ 方法的都是可迭代的。

　　通过 next 就可以从迭代器中一个一个的取值

l = [1, 2, 3]
iterator = l.__iter__()
print(iterator.__next__())
print(iterator.__next__())

1
2

可迭代协议： 　

　　只要含有 __iter__ 方法的都是可迭代的（__iter__ 与 iter() 效果是一样的）

迭代器协议：

　　内部含有 __next__ 和 __iter__ 方法的就是迭代器

for 循环：

　　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

迭代器的好处：

　　从容器类型中一个一个的取值，黑吧所有的值都取到。

　　节省内存空间

　　　　迭代器并不会在内存中再占用一块内存

　　　　每次 next 每次给一个值

l = [1, 2, 3, 4, 5]
iterator = l.__iter__()
while True:
    print(iterator.__next__())

生成器

生成器函数：

　　本质上就是我们自己写的函数

　　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

　　生成器函数执行之后会得到一个生成器作为返回值

def generator():
    print(1)
    yield 'a'
ret = generator()
print(ret)
print(ret.__next__())

<generator object generator at 0x0000000000A03AF0>
1
a

send

　　1、send 获取下一个值的效果和 next 基本一致

　　2、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

　　3、使用 send 的注意事项

　　　　第一次使用生成器的时候，是用 next 获取下一个值

　　　　最后一个 yield 不能接受外部的值

def generator():
    print(123)
    content = yield 1
    print('=======',content)
    print(456)
    yield2

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

预激生成器的装饰器

def init(func):   #装饰器
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)    #g = average()
        g.__next__()
        return g
    return inner

@init
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num    # 10
        count += 1    # 1
        avg = sum/count

avg_g = average()   #===> inner
ret = avg_g.send(10)
print(ret)
ret = avg_g.send(20)
print(ret)

 

转载于:https://www.cnblogs.com/Chong-Yang/p/8178865.html