【Python基础知识】列表生成式、迭代器与生成器

一. 列表生成式

列表生成式，这里只是简单的举例子，其中运算可以是复杂运算，同样也可以是一个函数等。

a = [i+1 for i in range(10)]
print(a)

二. 生成器

1.生成器概念and普通的生成器

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。

生成器只有在调用时才会生成，想应的数据
生成器只能记录当前的位置。
生成器只有一个方法next()方法

2.函数完成生成器

1.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, …

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

# Author:Li xp
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done'
fib(10)

这里生成10个数来做简单的判断。这种从小到大推到很难，从大到小推到的问题会很难。

2.上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

# Author:Li xp
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'
f = fib(10)

print(f.__next__())
print(f.__next__())
#这样就可以用多少调用多少，而不是先等函数执行完毕，中断函数，
print("----------")
print(f.__next__())
print(f.__next__())

这样就变成一个生成器，但是这样的生成器还可以继续优化。

3.抓异常

抓异常是我学习的第一次，但是这个在c、跟java学习中都有所以只有简单的举例子！

# Author:Li xp
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return '---done---'
#f = fib(10)
g = fib(6)
while True:
    try:
         x = next(g)
         print('g:', x)
    except StopIteration as e:
         print('Generator return value:', e.value)
         break

异常代码分析
在这里插入图片描述

3.单线程下的并行结果

# Author:Li xp
import time
def consumer(name):
    print("%s 准备吃包子啦!" %name)
    while True:
       baozi = yield

       print("包子[%s]来了,被[%s]吃了!" %(baozi,name))


def producer(name):
    c = consumer('A')
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print("老子开始准备做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("做了2个包子!")
        c.send(i)
        c2.send(i)
producer("alex")

这里出现了一个新的语法，send语法，可以将参数传入yield中

三.迭代器

1.概念

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：

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。

需要一个iter的内置函数把迭代对象变成迭代器

你可能会问，为什么list、dict、str等数据类型不是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。

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。

小结

凡是可作用于for循环的对象都是Iterable类型；

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；

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。

于for循环的对象都是Iterable类型；