python入门（十三）：生成器和迭代器

1.生成器

    （1）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。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

    （2）创建generator

           （一）把一个列表生成式的

[]

改成

()

，就创建了一个generator：

l = [x+1 for x in range(5)]#列表生成式
print(l)
l2 = (x+1 for x in range(5))#生成器
print(l2)

[1, 2, 3, 4, 5]

<generator object <genexpr> at 0x0391ADE0>

如果要一个一个打印出来，可以通过

next()

函数获得generator的下一个返回值,当然一般也是使用FOR
来打印

for n in l2:
print(n)

如果推算的算法比较复杂，用类似列表生成式的

for

循环无法实现的时候，还可以用函数来实现。比如，著名的斐波拉契数列（Fibonacci）除第一个和第二个数外，任意一个数都可由前两个数相加得到：1,
1, 2, 3, 5, 8, 13, 21, 34, ...

 
    （二）要把

fib

函数变成generator，只需要把

print(b)

改为

yield
b

就可以了，generator和函数的执行流程不一样。函数是顺序执行，遇到

return

语句或者最后一行函数语句就返回。而变成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。

def fib(max):
n, a, b = 0, 0, 1
while n < max:
#print(b)
yield b
a, b = b, a+b
n = n + 1
data = fib(100)
for i in range(100):
print(data.__next__())

2.迭代器

我们已经知道，可以直接作用于

for

循环的数据类型有以下几种：

一类是集合数据类型，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：

from collections import Iterable
print(isinstance([], Iterable))

*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：

from collections import Iterator
print(isinstance((x for x in range(10)), Iterator))