生成器与迭代器

1. 生成器

在循环过程中不断提供数据: 生成器 generator

1.1 创建生成器方法1

要创建一个生成器，有很多种方法。第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( )

G = ( x*2 for x in range(5))
G

<generator object <genexpr> at 0x000001780CFE2EB8>

使用next()函数获得生成器的下一个返回值

In [19]: next(G)
Out[19]: 0

计算到没有更多对象的时候，会抛出StopIteration的异常。因为生成器也是可迭代对象， 可以通过for循环来迭代，而不需要担心StopIteration异常

创建生成器方法2

def fib(times):
    n = 0
    a,b = 0,1
    while n < times:
        print(b)
        a,b = b, a+b
        n +=1
    return 'done'

fib(5)
1
1
2
3
5

将fib函数变成generator，只需要把print(b)变成yield b

def fib(times):
    n = 0
    a,b = 0,1
    while n < times:
        yield b
        a,b = b, a+b
        n +=1

f = fib(6)
type(f)

generator

• generator保存的是算法，每次调用next(f)，就计算出f的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误.
• generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
• 同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

while True:
    try:
        x = next(f)
        print("f", x)
    except StopIteration as e:
        print("genenator return 返回值" ,e.value)
        break

2 迭代器

我们已经知道，可以直接作用于for循环的数据类型有以下几种：

• 一类是集合数据类型，如list、tuple、dict、set、str等；
• 一类是generator，包括生成器和带yield的generator function。

可迭代对象Iterable

这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。可以使用isinstance()判断一个对象是否是Iterable对象：

from collections import Iterable
isinstance([], Iterable)

迭代器Iterator

可以使用isinstance()判断一个对象是否是Iterator对象 ：

from collections import Iterator
isinstance((x for x in range(10)), Iterator)

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。把list、dict、str等Iterable变成Iterator可以使用iter()函数：

isinstance(iter([]), Iterator)
True

因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。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。 另外，迭代器只能往前不会后退。