Python迭代器和生成器
1.迭代器
迭代：可以将某个数据集内的数据“一个挨着一个的取出来”
for i in range(1, 10, 2): # in 后面的对象必须是一个可迭代的
print(i) # 从可迭代对象中将元素一个一个取出
"""
判断是否可迭代
"""
from collections import Iterable str1 = 'adc'
l = [1, 2, 3, 4]
t = (1, 2, 3, 4)
d = {1: 2, 3: 4}
s = {1, 2, 3, 4}
print(isinstance(str1, Iterable))
print(isinstance(l, Iterable))
print(isinstance(t, Iterable))
print(isinstance(d, Iterable))
print(isinstance(s, Iterable)) # True int1 = 1234
print(isinstance(int1, Iterable)) # False
2.可迭代协议
可以被迭代要满足的要求就叫做可迭代协议。内部实现了__iter__方法。
print(dir(str)) # 可迭代，内部要有一个__iter__()方法
print(str1.__iter__())
#['__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']
#<str_iterator object at 0x0000000000A6DB38>
str_iterator iterator 就是迭代器
str1 = 'abc'
dir(str1) # 列出所有字符串实现的方法
set1 = set(dir(str1))
set2 = set(dir(str1.__iter__()))
print(set2 - set1)
# {'__length_hint__', '__next__', '__setstate__'}
迭代器多了三个方法
"""迭代器中的方法作用"""
str1 = 'abc'
# 获取迭代器
iter_1 = str1.__iter__()
# 获取迭代器中元素的长度
print(iter_1.__length_hint__()) # 3
# 根据索引值指定从哪里开始迭代
print(iter_1.__setstate__(1)) # None
# 一个一个的取值
print(iter_1.__next__()) # b for 循环内部调用 实现一个一个取值
自己实现迭代取数：
str1 = 'abc'
# 获取迭代器
iter1 = str1.__iter__() # 循环取出
while 1 :
a = iter1.__next__()
print(a)
# a
# b
# c
#
# Traceback (most recent call last):
# File "E:/Python/d01/函数.py", line 8, in <module>
# a = iter1.__next__()
# StopIteration
异常机制处理异常：
str1 = 'abc'
# 获取迭代器
iter1 = str1.__iter__() # 循环取出
while 1:
try:
a = iter1.__next__()
print(a)
except StopIteration:
break
# a
# b
# c
3.生成器
实现迭代器功能的东西就是生成器
Python中提供的生成器： 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，在每个结果中间，挂起函数的状态，以便下次从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 生成器Generator： 本质：迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现) 特点：惰性运算,开发者自定义
生成器函数
1.生成器函数:一个包含yield关键字的函数就是一个生成器函数。
2.yield与reduce区别：
yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会得到返回的具体的值，
而是得到一个可迭代的对象。每一次获取这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数执行结束。
def genrator_f1():
a = 1
print('a变量')
yield a
b = 2
print('b变量')
yield b g1 = genrator_f1() # g1获取的是生成器
print(g1.__next__())
print(g1.__next__())
print(g1.__next__()) # a变量
#
# b变量
#
# Traceback (most recent call last):
# File "E:/Python/d01/test.py", line 14, in <module>
# print(g1.__next__())
# StopIteration
生成器的优点：不会在内存中瞬间生成很多数据
def produce():
for i in range(10):
yield "生产序列号：%d" % i # 获取生成器
pro_g = produce()
print(pro_g.__next__()) # 一个一个获取
print(pro_g.__next__())
print(pro_g.__next__()) num = 0 # 批量获取
for i in pro_g:
print(i)
num += 1
if num == 5:
break
# 生产序列号：0
# 生产序列号：1
# 生产序列号：2
# 生产序列号：3
# 生产序列号：4
# 生产序列号：5
# 生产序列号：6
# 生产序列号：7
实现日志实时监控： Linux tail -f
import time def tail(filename):
with open(filename,mode='r',encoding='utf-8') as f:
f.seek(0, 2) # 从文件末尾算起
while True:
line = f.readline() # 读取文件中新的文本行
if not line:
time.sleep(1)
continue
yield line tail_g = tail('C:\\Users\\18047463\\Desktop\\test.txt')
for line in tail_g:
print(line.strip())
实时计算平均数：
def averager():
total = 0.0
count = 0
average = None
while 1:
term = yield average
total += term
count += 1
average = total / count g_avg = averager()
g_avg.__next__() # 初始化
while 1:
num = input(">>>")
if num == 'q':
break
print(g_avg.send(int(num)))
初始化使用装饰器：
from functools import wraps def init(func):
@wraps(func)
def inner(*args, **kwargs):
g = func(*args, **kwargs)
g.__next__()
return g return inner @init
def averager():
total = 0.0
count = 0
average = None
while 1:
term = yield average
total += term
count += 1
average = total / count g_avg = averager()
while 1:
num = input(">>>")
if num == 'q':
break
print(g_avg.send(int(num)))
def gen1():
for c in 'AB':
yield c
for i in range(3):
yield i print(list(gen1())) def gen2():
yield from 'AB'
yield from range(3) print(list(gen2()))
列表推导式和生成器表达式
egg_list=['鸡蛋%s' %i for i in range(10)] #列表解析
print(egg_list)
# ['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4', '鸡蛋5', '鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9']
laomuji=('鸡蛋%s' %i for i in range(10)) #生成器表达式 相比列表解析，更加节省内存
print(laomuji) # <generator object <genexpr> at 0x00000000013F8780>
print(next(laomuji)) #next本质就是调用__next__
print(laomuji.__next__())
print(next(laomuji))