语言-Python-Python提高值Iterable，generator，Iterator

时常巩固语法，学习新概念

复习可迭代对象，迭代器，生成器

除了list和tuple，其他的只要是可迭代对象，无论有无下标，都可以进行迭代。 比如dict:

>>> d = {'a': 1, 'b': 2, 'c': 3}
>>> for key in d:
...     print(key)
...
a
c
b

因为dict是以散列存储的，所以输出顺序可能不一样。

如何判断一个可迭代对象?

>>> from collections import Iterable
>>> isinstance('abc', Iterable) # str是否可迭代
True
>>> isinstance([1,2,3], Iterable) # list是否可迭代
True
>>> isinstance(123, Iterable) # 整数是否可迭代
False

小tips(对list实现小下标索引)enumrate

>>> for i, value in enumerate(['A', 'B', 'C']):
...     print(i, value)
...
0 A
1 B
2 C

列表生成式

要生成list[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]可以用list(range(1,11))

>>> list(range(1,11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
# 加if判断
>>> [x * x for x in range(1, 11) if x % 2 == 0]
[4, 16, 36, 64, 100] 

双变量循环

>>> d = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> for k, v in d.items():
...     print(k, '=', v)
...
y = B
x = A
z = C

生成器(generator)

在循环的过程中不断推算出后续元素，不需要一次性加载整个对象

最简单的生成生成器的方法:将列表生成式的()改成[],生成器通过next()一个个打印元素。

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630> #生成器保存的是算法
>>> 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
# 一般不用next() 采用for循环调用
>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
... 
0
1
4
9
16
25
36
49
64
81

定义生成器的另一种方法，在函数中加yield关键字

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。

# fib.py
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

# for循环自带next()
>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8

用for循环调用generator时，想要获取到生成器中的return内容，需要捕获StopIteration错误。返回值包含在其value中。

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e:
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

迭代器

能直接作用于for循环的数据类型有如下几种：

1. 集合数据类型：list，tuple，dict，set，str
2. generator：列表生成式和带yield的generator function 上述两类统称为可迭代对象:Iterable

isinstance()判断可迭代对象

>>> from collections import Iterable
>>> isinstance([],Iterable)
True
>>> isinstance((),Iterable)
True
>>> isinstance({},Iterable)
True
>>> isinstance('abc',Iterable)
True
>>> isinstance((x for x in range(5, 10)),Iterable)
True

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

isinstance()判断是否为迭代器

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False

生成器都是Iterator，list，tuple，dict，str虽然是Iterable，但不是Iterator

iter()可以将Iterable变成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。

总结

1. 凡是可作用于for循环的对象都是Iterable类型；
2. 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；
3. 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。
4. Python的for循环本质上就是通过不断调用next()函数实现的，例如：

   for x in [1, 2, 3, 4, 5]:
    pass
   

   实际上完全等价于：

   # 首先获得Iterator对象:
   it = iter([1, 2, 3, 4, 5])
   # 循环:
   while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break