一、迭代器

python 一切皆对象

能被for循环的对象就是可迭代对象

可迭代对象： str，list，tuple，dict，set，range

迭代器： f1文件句柄

dir打印该对象的所有操作方法

  1. s = 'python'
  2. print(dir(s))

执行输出：

[‘add‘, ‘class‘, ‘contains‘, ‘delattr‘, ‘dir‘, ‘doc‘, ‘eq‘, ‘format‘, ‘ge‘, ‘getattribute‘, ‘getitem‘, ‘getnewargs‘, ‘gt‘, ‘hash‘, ‘init‘, ‘iter‘, ‘le‘, ‘len‘, ‘lt‘, ‘mod‘, ‘mul‘, ‘ne‘, ‘new‘, ‘reduce‘, ‘reduce_ex‘, ‘repr‘, ‘rmod‘, ‘rmul‘, ‘setattr‘, ‘sizeof‘, ‘str‘, ‘subclasshook‘, ‘capitalize’, ‘casefold’, ‘center’, ‘count’, ‘encode’, ‘endswith’, ‘expandtabs’, ‘find’, ‘format’, ‘format_map’, ‘index’, ‘isalnum’, ‘isalpha’, ‘isdecimal’, ‘isdigit’, ‘isidentifier’, ‘islower’, ‘isnumeric’, ‘isprintable’, ‘isspace’, ‘istitle’, ‘isupper’, ‘join’, ‘ljust’, ‘lower’, ‘lstrip’, ‘maketrans’, ‘partition’, ‘replace’, ‘rfind’, ‘rindex’, ‘rjust’, ‘rpartition’, ‘rsplit’, ‘rstrip’, ‘split’, ‘splitlines’, ‘startswith’, ‘strip’, ‘swapcase’, ‘title’, ‘translate’, ‘upper’, ‘zfill’]

什么是可迭代对象：内部含有iter方法的对象就叫做可迭代对象

可迭代对象就遵循可迭代协议。

如何判断 两种方式

第一种：

  1. s = 'python'
  2. print('__iter__' in dir(s))

执行输出：

True

第二种：

  1. from collections import Iterable
  2. l = [1, 2, 3, 4]
  3. print(isinstance(l, Iterable))

执行输出：

True

  1. from collections import Iterable
  2. l = [1, 2, 3, 4]
  3. print(type(l))
  4. print(isinstance(l,list))

执行输出：

True

type只能判断是什么类型

isinstance判断方面更广，不仅能判断类型，还能判断是否可迭代

迭代器

可迭代对象转化成迭代器：可迭代对象.iter() —->迭代器

迭代器不仅含有iter,还含有next。遵循迭代器协议。

  1. l1 = [1,2,3]
  2. l1_obj = l1.__iter__()  # 迭代器
  3. print(l1_obj)

执行输出：

表示它是一个列表迭代器对象

  1. l1 = [1,2,3]
  2. l1_obj = l1.__iter__()  # 迭代器
  3. print('__iter__' in  dir(l1_obj)) #是否含有__iter__方法
  4. print('__next__' in  dir(l1)) #是否含有__next__方法
  5. print('__next__' in  dir(l1_obj))

执行输出：

True

False

True

从结果中，可以看出l1obj是同时含有iter和_next的对象，所以它是迭代器

迭代器使用next获取一个值

  1. l1 = [1,2,3]
  2. l1_obj = l1.__iter__()  # 迭代器
  3. print(l1_obj.__next__()) #获取一个元素
  4. print(l1_obj.__next__())
  5. print(l1_obj.__next__())
  6. print(l1_obj.__next__())

执行报错：

1

Traceback (most recent call last):

2

3

File “E:/python_script/day13/迭代器.py”, line 9, in

print(l1obj._next())

StopIteration

多取了一个，就会报错，因为列表只有3个元素

使用for循环方式

  1. l1 = [1,2,3]
  2. l1_obj = l1.__iter__()  # 转换为迭代器
  3. for i in l1_obj:
  4.     print(i)

执行输出：

1

2

3

for循环的内部机制，就是用next方法执行的。为什么没有报错呢？它内部有异常处理机制

总结：

仅含有iter方法的，就是可迭代对象

包含iter和next方法的，就是迭代器

判断迭代器的2种方法：

第1种：

  1. l1 = [1,2,3]
  2. l1_obj = l1.__iter__()  # 转换为迭代器
  3. print('__iter__' in  dir(l1_obj))

第2种：

  1. l1 = [1,2,3]
  2. l1_obj = l1.__iter__()  # 转换为迭代器
  3. from collections import Iterator
  4. print(isinstance(l1_obj, Iterator))

返回True，就表示它是的

迭代器的好处：

1，节省内存空间。

2，满足惰性机制。

3，不能反复取值，不可逆。

不可逆，表示，已经取过的值，不能再次取，它只能取下一个。

for处理机制

  1. l2 = [1, 2, 3, 4, 5, 6, 7, 8]
  2. for i in l2:
  3.     print(i)

1，将可迭代对象转化成迭代器

2，内部使用next方法取值

3，运用了异常处理去处理报错。

迭代器最大的好处，就是节省内存

好的程序员，会在内存优化方面考虑，比如迭代器。

使用while循环，指定用next方法遍历列表

  1. l2 = [1, 2, 3, 4, 5, 6, 7, 8]
  2. l2_obj = l2.__iter__() #1.将可迭代对象转化成迭代器
  3. while True:
  4.     try:
  5.         i = l2_obj.__next__() #内部使用__next__方法取值
  6.         print(i)
  7.     except Exception: #运用了异常处理去处理报错
  8.         break

try里面的代码，出现报错，不会提示红色文字

Exception 可以接收所有报错，表示报错的时候，该怎么处理，这里直接使用breck跳出循环

面试题：

使用whlie循环去遍历一个有限对象

直接使用上述代码即可。

二、生成器

生成器：生成器本质上是迭代器

  1. l = [1,2,3]
  2. l.__iter__()

#生成器的产生方式：

1，生成器函数构造。

2，生成器推导式构造。

3，数据类型的转化。

  1. def func1():
  2.     print(111)
  3.     print(222)
  4.     print(333)
  5.     return 666
  6. print(func1())

执行输出：

111

222

333

666

将函数转换为生成器

  1. def func1():
  2.     print(111)
  3.     print(222)
  4.     print(333)
  5.     yield 666
  6. g = func1()
  7. print(g)

执行输出：

第一：函数中只要有yield 那他就不是一个函数，而是一个生成器

第二：g称作生成器对象。

迭代器，使用next取值

  1. def func1():
  2.     print(111)
  3.     print(222)
  4.     print(333)
  5.     yield 666
  6. g = func1()
  7. print(g.__next__())
  8. print(g.__next__())

执行报错

一个netxt对应一个yield

比如生产10000套服装

一个厂商直接生产出10000套了

  1. def func1():
  2.     for i in range(1,10001):
  3.         print('ARMAIN服装%d套' % i)
  4. func1()

执行输出：

…

ARMAIN服装9998套

ARMAIN服装9999套

ARMAIN服装10000套

第二个厂商，先生产出50套，给老板看

  1. def func1():
  2.     for i in range(1,10001):
  3.         yield 'ARMAIN服装%d套' % i
  4. g = func1()
  5. for i in range(1,51):
  6.     print(g.__next__())

执行输出：

…

ARMAIN服装48套

ARMAIN服装49套

ARMAIN服装50套

最终老板只要200套

先50套，再150套

  1. def func1():
  2.     for i in range(1,10001):
  3.         yield 'ARMAIN服装%d套' % i
  4. g = func1()
  5. for i in range(1,51):
  6.     print(g.__next__())
  7. #再执行150次，注意，它是从51开始的
  8. for j in range(150):
  9.     print(g.__next__())

之前生产10000套的….

对于列表而言，for循环是从开始

对于生成器而言，它是有指针的，next一次，指针向前一次。它不能从头开始。

必须依次执行才行

生成器和迭代器的区别

迭代器： 有内置方法

生成器： 开发者自定义

send

  1. def generator():
  2.     print(123)
  3.     content = yield 1
  4.     print('=======',content)
  5.     print(456)
  6.     yield
  8. g = generator()
  9. ret = g.__next__()
  10. print('***',ret)
  11. ret = g.send('hello')   #send的效果和next一样
  12. print('***',ret)

执行输出：

123

* 1

======= hello

456

* None

send 获取下一个值的效果和next基本一致

只是在获取下一个值的时候，给上一yield的位置传递一个数据

使用send的注意事项

第一次使用生成器的时候 是用next获取下一个值

最后一个yield不能接受外部的值

next 和send 功能一样，都是执行一次

send可以给上一个yield赋值。

明日默写内容：

1.什么是可迭代对象，什么是迭代器

答：

内部含有iter方法的对象就叫做可迭代对象

内部必须有iter方法和next方法的对象，叫做迭代器

2.可迭代对象如何转化成迭代器

答：

转化成迭代器：可迭代对象.iter() —->迭代器

例如

  1. l1 = [1,2,3]
  2. l1_obj = l1.__iter__()

3.迭代器如何取值

答：

迭代器使用next()方法

4.什么是生成器？如何写一个生成器？生成器怎么取值？

答：

生成器，即生成一个容器。在Python中，一边循环，一边计算的机制，称为生成器。

生成器示例

  1. def fun1():
  2.     yield 1

生成器使用next()方法取值，或者for循环