迭代器和生成器

迭代器：

　　只要是能被 for 循环的数据类型，就一定拥有 __iter__ 方法

　　一个列表执行了 __iter__() 之后的返回值就是一个迭代器

print([].__iter__())

　　只要含有 __iter__ 方法的都是可迭代的。

　　通过 next 就可以从迭代器中一个一个的取值

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

可迭代协议： 　

　　只要含有 __iter__ 方法的都是可迭代的（__iter__ 与 iter() 效果是一样的）

迭代器协议：

　　内部含有 __next__ 和 __iter__ 方法的就是迭代器

for 循环：

　　只有是可迭代对象的时候才能用for

　　当我们遇到一个新的变量，不确定能不能 for 循环的时候，就判断它是否可迭代

迭代器的好处：

　　从容器类型中一个一个的取值，黑吧所有的值都取到。

　　节省内存空间

　　　　迭代器并不会在内存中再占用一块内存

　　　　每次 next 每次给一个值

l = [1, 2, 3, 4, 5] iterator = l.__iter__() while True: print(iterator.__next__())

生成器

生成器函数：

　　本质上就是我们自己写的函数

　　只要含有 yield 关键字的函数都是生成器函数

　　yield 不能和 return 共用且需要写在函数内

　　生成器函数执行之后会得到一个生成器作为返回值

def generator(): print(1) yield 'a' ret = generator() print(ret) print(ret.__next__())<generator object generator at 0x0000000000A03AF0>1a

send

　　1、send 获取下一个值的效果和 next 基本一致

　　2、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

　　3、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

def generator(): print(123) content = yield 1 print('=======',content) print(456) yield2 g = generator() ret = g.__next__() print('***',ret) ret = g.send('hello') #send的效果和next一样 print('***',ret)

预激生成器的装饰器

def init(func): #装饰器 def inner(*args,**kwargs): g = func(*args,**kwargs) #g = average() g.__next__() return g return inner @init def average(): sum = 0 count = 0 avg = 0 while True: num = yield avg sum += num # 10 count += 1 # 1 avg = sum/count avg_g = average() #===> inner ret = avg_g.send(10) print(ret) ret = avg_g.send(20) print(ret)

 

转载于:https://www.cnblogs.com/Chong-Yang/p/8178865.html