Python高级特性--生成器+迭代器
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。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，那后面绝大多数元素占用的空间都白白浪费了。
#要创建一个generator，第一种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(1,11)] print(L) l = (x*x for x in range(1,11)) print(l) #[1, 4, 9, 16, 25, 36, 49, 64, 81, 100] # at 0x00000133B2F035E8> #L是一个list，而g是一个generator
斐波拉契数列
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
return 'done'
#要把fib函数变成generator，只需要把print(b)改为yield b就可以
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b #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。
a, b = b, a + b
n = n + 1
return 'done
#a, b = b, a + b这个不等于 a = b b = a+b 前者是同时变化 后者为先后变化
#t = (b, a + b) # t是一个tuple
#a = t[0]
#b = t[1]
'
####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：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
c = a
a = b
b = c + b
n = n + 1
return 'done'
if __name__ == '__main__':
g = fib(10)
while True:
try:
print('x:',next(g))
except StopIteration as e: ## 捕捉
print("StopIteration ")
break杨辉三角
def triangles():
l = [1]
n = 1
while True :
yield l
temp = [1]
for i in range(1, n):
temp.append(l[i] + l[i - 1])
temp.append(1)
l = temp
n = n + 1
return 'done'迭代器
- 一类是***数据类型，如list、tuple、dict、set、str等；
- 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
import collections
print(isinstance({},collections.Iterable))
#True
print(isinstance((x for x in range(10)), Iterable))
# True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：
#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：
from collections import Iterator
print(isinstance([],Iterator))#false
print(isinstance({},Iterator))#false
print(isinstance('abc',Iterator))#false
print(isinstance(iter([]),Iterator))#true
print(isinstance(iter({}),Iterator))#true
print(isinstance(iter('abc'),Iterator))#true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。
