标签：本质 准备 自动 == 接受 append 部分 EDA ror
一、递归与迭代
1、迭代器协议是指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个stopiteration异常，已终止迭代（只能往后走不能往前退）
2、可迭代对象：实现了迭代器协议的对象（如何实现：对象内部定义一个__iter__()方法）
3、协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环，sum，min，max函数等）使用迭代器协议访问对象。
for循环的本质：循环所有对象，全部是使用迭代器协议
解释：
有时会想，for循环的本质就是遵循迭代器协议访问对象，那么for循环的对象肯定都是迭代器了啊，没错，那既然这样，for循环可以遍历（字符串，，列表，字典，集合，文件对象），那这些类型的数据肯定都是可迭代对象啊？但是，为什么定义一个列表l=[1,2,3,4]没有next（）方法。
（字符串，列表，元组，字典，集合，文件对象）这些都不是可迭代对象，只不过在for循环中，调用了他们内部的__iter__方法，把他们变成了可迭代对象
然后for循环调用可迭代对象的__next__方法去取值，而且for循环会捕捉stoplteration异常，已终止迭代
l=[1,2,3,4,5] #下标访问方式 print(l[0]) print(l[7]) #超出访问会报IndexError: list index out of range #遵循迭代器协议的方式 diedai=l.__iter__() print(diedai.__next__()) print(diedai.__next__()) print(diedai.__next__()) print(diedai.__next__()) print(diedai.__next__()) print(diedai.__next__()) #超出边界会报StopIteration #for循环访问方式： #for循环本质就是遵循迭代器协议的访问方式，先调用diedai.__iter__（）方法，或者直接diedai=iter(l),然后依次执行diedai.next(),直到for循环捕捉到StopIteration终止循环 #for循环所有对象的本质都是一样的道理 for i in l: #diedai=l.__iter__() print(l[i]) #i=diedai.next() #使用while模拟for循环做的事情 diedai_l=l.__iter__() while True: try: print(diedai_l.__next__()) except StopIteration: print("迭代完毕，终止循环") break
什么是生成器？
可以理解为一种数据类型，这种数据类型自动实现了迭代器协议（其他的数据类型需要调用自己内置的__iter__方法），所以生成器就是可迭代对象
生成器分类及在python中的表现形式：（python有两种不同的方法提供生成器）
1、生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在没个结果中间，挂起函数的状态，以便下次用它离开的地方继续执行
2、生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
为何使用生成器以及生产器的优点：
python使用生成器对延迟操作提供了支持，所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果，这也是生产器的重要好处
import time # def producer(): # ret=[] # for i in range(100): # time.sleep(0.1) # ret.append(‘包子%s‘ %i) # return ret # # def consumer(res): # for index,baozi in enumerate(res): # time.sleep(0.1) # print(‘第%s个人，吃了%s‘ %(index,baozi)) # # res=producer() # consumer(res) #yield 3相当于return 控制的是函数的返回值 #x=yield的另外一个特性，接受send传过来的值,赋值给x # def test(): # print(‘开始啦‘) # firt=yield #return 1 first=None # print(‘第一次‘,firt) # yield 2 # print(‘第二次‘) # # t=test() # res=t.__next__() #next(t) # print(res) # # t.__next__() # # res=t.send(None) # res=t.send(‘函数停留在first那个位置，我就是给first赋值的‘) # print(res) # def producer(): # ret=[] # for i in range(100): # time.sleep(0.1) # ret.append(‘包子%s‘ %i) # return ret def consumer(name): print(‘我是[%s],我准备开始吃包子了‘ %name) while True: baozi=yield time.sleep(1) print(‘%s 很开心的把【%s】吃掉了‘ %(name,baozi)) def producer(): c1=consumer(‘wupeiqi‘) c2=consumer(‘yuanhao_SB‘) c1.__next__() c2.__next__() for i in range(10): time.sleep(1) c1.send(‘包子 %s‘ %i) c2.send(‘包子 %s‘ %i) producer()
生产器小结
1、生成器是可迭代对象
2、实现了延迟计算、省内存
3、生成器本质和其他的数据类型一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处，其余的可迭代对象可没有这点好处
#1、三元表达式 name="alex" name="yangyl" res="1" if name=="yangyl" else "2" print(res) egg_list=["鸡蛋%s" %i for i in range(10) ] #列表解析 print(egg_list) #使用生产器获取 egg_two=("鸡蛋%s" %i for i in range(10)) #生产器表达式 print(egg_two) print(egg_two.__next__()) print(next(egg_two)) #next()本质就是调用__next__
总结：
1、把列表解析中的[]换成() 得到的就是生成器表达式
2、列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存
3、python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。列如：sum函数是python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议，所以我们可以直接这样计算一系列值的和：
s1=sum(x ** 2 for x in range(4)) print(s1)
而不用多此一举先构造一个列表
s2=sum([x ** 2 for x in range(4)]) print(s2)
标签：本质 准备 自动 == 接受 append 部分 EDA ror
原文地址：https://www.cnblogs.com/Yangyl00/p/13258140.html
