标签：imp 单线程 iterator rac python mil lambda obj 迭代
一、列表生成式
现在有个需求，列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]，要求你把列表里的每个值加1，怎么实现？你可能会想到2种方式
二逼青年版
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] b = [] for i in a:b.append(i+1) print(b)
普通青年版
for index, i in enumerate(a):
a[index] +=1
print(a)
文艺青年版
a = map(lambda x:x+1, a) for i in a:print(i)
装逼青年版
a = [i+1 for i in range(10)] print(a)
这样的写法就叫做：列表生成式
二、生成器
通过列表生成式，可以直接创建一个列表，但是，受到内存限制，列表容量是有限的，而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间，在Python中，这种一边循环一边技术的机制，称为生成器：generator。
要创建一个generator，有很多种方法。
第一种方法：只要把一个列表生成式的[]改成()，就创建了一个generator
L = [x * x for x in range(10)] print(L) g = (x * x for x in range(10)) print(g)
创建L和g的区别仅在最外层的[] 和（），L是一个list，而g是一个generator
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：
>>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) 25 >>> next(g) 36 >>> next(g) 49 >>> next(g) 64 >>> next(g) 81 >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
generator保存的是算法，每次调用next(g)就计算出g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。
使用for循环输出：
g = (x * x for x in range(10))
for n in g:
print(n)
输出：
0 1 4 9 16 25 36 49 64 81
我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a+b
n = n + 1
return ‘done‘
fib(10)
输出：
1 1 2 3 5 8 13 21 34 55
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
#print(b)
yield b
a, b = b, a+b
n += 1
return ‘done‘
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
f=fib(10) print(f) 输出： <generator object fib at 0x0000000002536F68>
这里，最难理解的就是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，再次被next()调用时从上次返回的yield语句处继续执行。
data = fib(10) print(data) print(data.__next__()) print(data.__next__()) print(‘干点别的事情‘) print(data.__next__()) print(data.__next__()) print(data.__next__()) print(data.__next__())
输出：
<generator object fib at 0x0000000002556FC0> 1 1 干点别的事情 2 3 5 8
上面fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。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(10):
print(n)
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：
g = fib(10)
while True:
try:
x = next(g)
print(‘g:‘, x)
except StopIteration as e:
print(‘Generator return value:‘, e.value)
break
输出：
g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 g: 13 g: 21 g: 34 g: 55 Generator return value: done
还可通过yield实现在单线程的情况下实现并发运算的效果
import time
__author__ = ‘mike‘
def consumer(name):
print(‘%s 准备吃包子啦!‘ % name)
while True:
baozi = yield
print(‘包子[%s]来了,被[%s]吃了！‘ %(baozi,name))
def producer(name):
c = consumer(‘A‘)
c2 = consumer(‘B‘)
c.__next__()
c2.__next__()
print(‘开始准备做包子啦!‘)
for i in range(10):
time.sleep(1)
print("做了2个包子!")
c.send(i)
c2.send(i)
producer("mike")
三、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：list、tuple、dict、set、str；
一类是：generator，包括生成器和带yield的generator function。
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
print(isinstance([], Iterable))
print(isinstance({}, Iterable))
print(isinstance(‘abc‘, Iterable) )
print(isinstance((x for x in range(10)), Iterable))
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
*可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用isinstance()判断一个对象是否是Iterator对象：
print(isinstance([], Iterator))
print(isinstance({}, Iterator))
print(isinstance(‘abc‘, Iterator) )
print(isinstance((x for x in range(10)), Iterator))
输出：
False False False True
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：
print(isinstance(iter([]), Iterator))
print(isinstance(iter({}), Iterator))
输出;
True True
为什么list、dict、str等数据类型不是Iterator？
这是因为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。
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。
小结
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
标签：imp 单线程 iterator rac python mil lambda obj 迭代
原文地址：https://www.cnblogs.com/mike-liu/p/9054783.html
