迭代器&生成器

迭代器&生成器

生成器

通过列表生成式可以直接创建一个列表。但是，受到内存限制，列表容量有限。若创建一个包含许多元素的列表，不仅占用很大的存储空间，如果仅需要访问前几个元素，那么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，我们就不必创建完整的list，从而节省大量的空间。在python中，这种一遍循环一计算的机制，称为生成器：generator。

• 只有在调用的时候才会生成相应的数据
• 只记录当前位置
• 只有一个__next__()方法
• 可以通过yield实现单线程的并发效果

范例:

import time

def consumer(name):
    print("%s开始吃包子了："%name)
    while 1:
        bun=yield
        print("%s吃了包子[%s]的一半" %(name,bun))

def producer(name):
    c=consumer("tom")
    c2=consumer("jack")
    c.__next__()
    c2.__next__()
    print("%s开始做包子了"%name)
    for i in range(10):
        time.sleep(1)
        print("第%s个包子做好了，分成了两半" %(i+1))
        c.send(i+1)
        c2.send(i+1)

producer("frank")

迭代器

可以直接作用于for循环的数据类型有以下几种：

• 集合数据类型：list、tuple、dict、set、str等
• 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 collcetions improt Iterable
>>>isinstance([],Iterable)
True
>>>isinstance((),Iterable)
True
>>>isinstance({},Iterable)
True
>>>isinstance('abc',Iterable)
True
>>>isinstance((for i in range(10)) ,Iterable)
True
>>>isinstance(100,Iterable)
False

生成器不但可以作用于for循环，还可以被next()函数不断调用并不断返回下一个值，直到最后抛出StopTteration错误表示无法继续返回下一个值。

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isintance()判断是否为迭代器对象：

>>>from collections import Iterator
>>>isinstance((x for x in range(10),Iteraor)
True
>>>isinstance([],Iteraor)
False
>>>isinstance({},Iteraor)
False
>>>isinstance('abc',Iteraor)
False

生成器都是Iterator对象，但是list、dice、str等虽然是Iterable，却不是Iterator。把它们变成Iterator可以使用iter()