python全栈学习--day13(迭代器,生成器)

一迭代器

python一切皆对象

能被for循环的对象就是可迭代对象。

可迭代对象：str, list, tuple, dict, set , range

迭代器：f1文件句柄

dir打印该对象的所有操作方法：

s = ‘python‘
print(dir(s))

　　执行输出：

[‘__add__‘, ‘__class__‘, ‘__contains__‘, ‘__delattr__‘, ‘__dir__‘, ‘__doc__‘, ‘__eq__‘, ‘__format__‘, ‘__ge__‘, ‘__getattribute__‘, ‘__getitem__‘, ‘__getnewargs__‘, ‘__gt__‘, ‘__hash__‘, ‘__init__‘, ‘__iter__‘, ‘__le__‘, ‘__len__‘, ‘__lt__‘, ‘__mod__‘, ‘__mul__‘, ‘__ne__‘, ‘__new__‘, ‘__reduce__‘, ‘__reduce_ex__‘, ‘__repr__‘, ‘__rmod__‘, ‘__rmul__‘, ‘__setattr__‘, ‘__sizeof__‘, ‘__str__‘, ‘__subclasshook__‘, ‘capitalize‘, ‘casefold‘, ‘center‘, ‘count‘, ‘encode‘, ‘endswith‘, ‘expandtabs‘, ‘find‘, ‘format‘, ‘format_map‘, ‘index‘, ‘isalnum‘, ‘isalpha‘, ‘isdecimal‘, ‘isdigit‘, ‘isidentifier‘, ‘islower‘, ‘isnumeric‘, ‘isprintable‘, ‘isspace‘, ‘istitle‘, ‘isupper‘, ‘join‘, ‘ljust‘, ‘lower‘, ‘lstrip‘, ‘maketrans‘, ‘partition‘, ‘replace‘, ‘rfind‘, ‘rindex‘, ‘rjust‘, ‘rpartition‘, ‘rsplit‘, ‘rstrip‘, ‘split‘, ‘splitlines‘, ‘startswith‘, ‘strip‘, ‘swapcase‘, ‘title‘, ‘translate‘, ‘upper‘, ‘zfill‘]

什么是可迭代对象：内部含有__iter__方法的对象就叫可迭代对象，可迭代对象就遵循可迭代协议。

如何判断两种方式：

第一种：

s = ‘python‘
print(‘__iter__‘ in dir(s))

执行输出：

True

第二种：

from collections import Iterable  #此模块判断是否为可迭代对象
l = [1,2,3,4]
print(isinstance(l,Iterable))

执行输出：

True

from collections import Iterable
l = [1, 2, 3, 4]
print(type(l))
print(isinstance(l,list)

执行输出：

<class ‘list‘>
True

 type只能判断是什么类型

isinstance判断方面更广，不仅能判断类型，还能判断是是否可迭代

迭代器

可迭代对象转化成迭代器：可迭代对象.__iter__()-->迭代器

迭代器不仅含有__iter__,还含有__next__.遵循迭代器协议。

l1 = [1,2,3]
l1_ojb = l1.__iter__() #迭代器
print(l1_ojb)

执行输出：

<list_iterator object at 0x000001987D5EB668>

表示它是一个列表迭代器对象

l1 = [1,2,3]
l1_obj = l1.__iter__()#迭代器
print(‘__iter__‘ in dir(l1_obj)) #是否含有__iter__方法
print(‘__next__‘ in dir(l1))     #是否含有__next__方法 这里是dir 里给的是 l1这个列表。而不是l1_obj
print(‘__next__‘ in dir(l1_obj))

执行输出：

True
False
True

从结果中，可以看出l1_obj是同时含有__iter__和__next__的对象，所以它是迭代器

迭代器使用__next__获取一个值

l1 = [1,2,3]
l1_obj = l1.__iter__()  # 迭代器
print(l1_obj.__next__()) #获取一个元素
print(l1_obj.__next__())
print(l1_obj.__next__())
print(l1_obj.__next__())

执行报错：

1
Traceback (most recent call last):
2
3
File "E:/python_script/day13/迭代器.py", line 9, in <module>
print(l1_obj.__next__())
StopIteration

多取了一个，就会报错，因为列表只有3个元素

使用for循环方式

l1 = [1,2,3]
l1_ojb = l1.__iter__()  #转换为迭代器
for i in l1_ojb:
    print(i)

　　执行输出：

1
2
3

for循环的内部机制，就是使用__next__方法执行的。为什么没有报错呢？它内部有异常处理机制。

总结：

仅含有__iter__方法的，就是可迭代对象

包含__iter__和__next__方法的，就是迭代器

判断迭代器的2种方法：

第一种：

l1 = [1,2,3]
l1_ojb = l1.__iter__()#转换为迭代器
print(‘__iter__‘ in dir(l1_ojb))

　　第二种：

l1 = [1,2,3]
l1_obj = l1.__iter__()
from collections import Iterable
print(isinstance(l1_obj,Iterable))

　　返回True，就表示它是的

迭代器的好处：

1.节省内存空间。

2.满足惰性机制。

3.不能反复取值，不可逆。

　不可逆，表示，已经取过值，不能再次取，他只能取下一个。

for处理机制

l2 = [1,2,3,4,5,6,7,8]
for i in l2:
    print(i)

1.将可迭代对象转化成迭代器

2.内部使用了__next__方法取值

3.运用了异常处理去处理报错

迭代器的好处，就是节省内存空间

好的程序员，会在内存优化化方面考虑，比如迭代器

使用while循环，指定用__next__方法遍历列表

l2 = [1,2,3,4,5,6,7,8]
l2_obj = l2.__iter__()  #1.将可迭代对象转化成迭代器
while True:
    try:
        i = l2_obj.__next__()  #内部使用__next__方法取值
        print(i)
    except Exception:   #运用了异常去处理报错
        break

　　try 里面的代码，出现报错，不会提示红色文字。

　　Exception 可以接收所有报错，表示报错的时候，该怎么处理，这里直接使用break跳出循环

面试题：

使用while循环去遍历一个有限对象

直接使用上述代码即可。

二，生成器

生成器：生成器本质上就是迭代器

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

#生成器的产生方式：

1.生成器函数构造

2.生成器推到式构造

3.数据类型转化

执行输出：

111
222
333
666

 将函数装换为生成器

def func1():
    print(111)
    print(222)
    print(333)
    yield 666
g = func1()
print(g)

　　执行输出：

<generator object func1 at 0x0000023C67C2C3B8>

第一：函数只要有yield那他就不是一个函数，而是一个生成器

第二：g称作生成器对象。

迭代器，使用__next__取值

def func1():
    print(111)
    print(222)
    print(333)
    yield 666
g = func1()
print(g.__next__())
print(g.__next__())

　　执行报错
一个__netxt__对应一个yield。而这里多了一个

案例：

生成10000套服装

一个厂商直接生产出10000套了

def func1():
    for i in range(1,10001):
        print(‘Selected服装%d‘ % i)
func1()

　　执行后输出：

Selected服装1

。。。。。。

。。。。。。

Selected服装10000

我先生产50套给你

def func1():
    for i in range(1,10001):
        yield ‘Selected服装%d套‘% i
g = func1()
for i in range(1,51):   #我先生产 50套
    print(g.__next__())

　　执行后输出：

Selected服装1

。。。。。。

。。。。。。

Selected服装50

最终老板只要200套
先50套，再150套

def func1():
    for i in range(1,10001):
        yield ‘Selected服装%d套‘ % i
g = func1()
#先给你生产50套，待后续谈妥善后在给你生产150套
for i in range(1,51):
    print(g.__next__())
for j in range(150):
    print(g.__next__())

　　执行后输出：

Selected服装1

。。。。。。

。。。。。。

Selected服装200

对于列表而言，for循环是从0开始的。

对于生成器而言，它是由指针的，__next__一次，指针向前一次。它不能从头开始。
必须依次执行才行

生成器和迭代器的区别

迭代器：有内置方法

生成器：开发者自定义

send

def generator():
    print(123)
    content = yield 1
    print(‘=====‘,content)
    print(456)
    print(‘***‘,ret)
    yield
g = generator()
ret = g.__next__()
print(‘***‘,ret)
ret=g.send(‘hello‘)
print(‘***‘,ret)

123
*** 1
===== hello
456
*** 1
*** None

send 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

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。

next和send功能一样，都是执行一次

send可以给上一个yield赋值。

默写内容：

1.什么是可迭代对象，什么是迭代器

答：

内部含有__iter__方法的对象就叫做迭代对象。

内部必须有__iter__方法和__next__方法的对象，叫做迭代器。

2.可迭代对象如何转化成迭代器

答、：

转化成迭代器：可迭代对象.__iter__()-->迭代器

例如：

l1 = [1,2,3]
l1_obj = l1.__iter__()

3.迭代器如何取值

答

迭代器使用__next__()方法

4.什么是生成器，如何写一个生成器？生成器是怎么取值?

答：

生成器，即生成一个容器。在python中，一边循环，一边计算的机制，称之为生成器

生成器示例：

生成器使用__next__()方法取值，或者for循环