标签：ieda   数据类型   循环调用   中间   元组   yield   没有   min   表达   

一 什么是迭代器协议

1. 迭代器协议是指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个StopIteration异常，以终止迭代。（迭代只能往前不能往后）
2. 可迭代对象：实现了迭代器协议的对象（如何实现：对象内部定义一个__iter__()方法）
3. 协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如：for，sum，min，max，函数等）使用迭代器协议访问对象

二 for循环机制

for循环的本质：循环所有对象，全都是使用迭代器协议

（字符串，列表，元组，字典，集合，文件对象）这些都不是可迭代对象，只不过在for循环中，调用了他们内部的__iter__()方法，把他们变成了可迭代对象。

然后for循环调用可迭代对象的__iter__()方法去取值，而且for循环会捕捉StopIteration异常，以终止迭代。

l = [1,2,3]
diedai = l.__iter__()
print(diedai.__next__())
print(diedai.__next__())
print(diedai.__next__())
print(diedai.__next__())#会报错

#用while模拟for循环
l = [1,2,3]
diedai = l.__iter__()
while True:
    try:
        print(diedai.__next__())
    except StopIteration:
        print("迭代完了，循环终止")
        break;
#输出：
"""
1
2
3
迭代完了，循环终止
"""

 三 生成器

 1. 什么是生成器？

可以理解为一种数据类型，这种数据类型自动实现迭代器协议（其他数据类型需要调用自己内置的__iter__()方法），所以生成器就是可迭代对象

2. 生成器分类以及在python中的表现形式：（python中有两种不同的方式提供生成器）

• 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，在每个结果中间，挂起函数状态，以便下次重它离开的地方继续执行。
• 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

3. 生成器的有点：

python中使用生成器对延迟操作提供了支持。所谓延迟操作，指在需要的时候才产生结果，不是立即生成结果。可以节省内存，其余的迭代对象没有这样的好处。

四 生成器表达式和列表解析

 三元表达式

a = "123"

res = "yes" if a == "123" else "no"

print(res)

#输出：yes

if a == "123"：一元
"yes"：二元
else "no"：三元

没有四元表达式

num = ["苹果%s"%i for i in range(10)] #列表解析
print(num)

num = ("苹果%s"%i for i in range(10)) #生成器表达式
print(num)
print(next(num))
print(num.__next__())

1. 把列表解析的[]换成()得到的就是生成器表达式
2. 列表解析和生成器表达式都是便利的编程方式，只不过生成器表达式更加省内存

函数形式的：

def num ():
    print("123")
    yield 1
    print("456")
    yield 2
    print("789")
    yield 3

res = num()print(next(res))
print(next(res))
print(next(res))
#输出
"""
123
1
456
2
789
3
"""

Python之迭代器和生成器

标签：ieda   数据类型   循环调用   中间   元组   yield   没有   min   表达   

原文地址：https://www.cnblogs.com/kaixindexiaocao/p/9729034.html