Python入門：生成器&叠代器
一、列表生成式
現在有個需求，列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]，要求你把列表裏的每個值加1，怎麽實現？你可能會想到2種方式
二逼青年版
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] b = [] for i in a:b.append(i+1) print(b)
普通青年版
for index, i in enumerate(a):
a[index] +=1
print(a)
文藝青年版
a = map(lambda x:x+1, a) for i in a:print(i)
裝逼青年版
a = [i+1 for i in range(10)] print(a)
這樣的寫法就叫做：列表生成式
二、生成器
通過列表生成式，可以直接創建一個列表，但是，受到內存限制，列表容量是有限的，而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數占用的空間都白白浪費了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間，在Python中，這種一邊循環一邊技術的機制，稱為生成器：generator。
要創建一個generator，有很多種方法。
第一種方法：只要把一個列表生成式的[]改成()，就創建了一個generator
L = [x * x for x in range(10)] print(L) g = (x * x for x in range(10)) print(g)
創建L和g的區別僅在最外層的[] 和（），L是一個list，而g是一個generator
我們可以直接打印出list的每一個元素，但我們怎麽打印出generator的每一個元素呢？
如果要一個一個打印出來，可以通過next()函數獲得generator的下一個返回值：
>>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) 25 >>> next(g) 36 >>> next(g) 49 >>> next(g) 64 >>> next(g) 81 >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration
generator保存的是算法，每次調用next(g)就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。
使用for循環輸出：
g = (x * x for x in range(10))
for n in g:
print(n)
輸出：
0 1 4 9 16 25 36 49 64 81
我們創建了一個generator後，基本上永遠不會調用next()，而是通過for循環來叠代它，並且不需要關心StopIteration的錯誤。
generator非常強大。如果推算的算法比較復雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。
比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數列用列表生成式寫不出來，但是，用函數把它打印出來卻很容易：
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)
輸出：
1 1 2 3 5 8 13 21 34 55
仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。
也就是說，上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print(b)改為yield b就可以了：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
#print(b)
yield b
a, b = b, a+b
n += 1
return ‘done‘
這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那麽這個函數就不再是一個普通函數，而是一個generator：
f=fib(10) print(f) 輸出： <generator object fib at 0x0000000002536F68>
這裏，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次被next()調用時從上次返回的yield語句處繼續執行。
data = fib(10) print(data) print(data.__next__()) print(data.__next__()) print(‘幹點別的事情‘) print(data.__next__()) print(data.__next__()) print(data.__next__()) print(data.__next__())
輸出：
<generator object fib at 0x0000000002556FC0> 1 1 幹點別的事情 2 3 5 8
上面fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。同樣的，把函數改成generator後，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來叠代：
for n in fib(10):
print(n)
但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：
g = fib(10)
while True:
try:
x = next(g)
print(‘g:‘, x)
except StopIteration as e:
print(‘Generator return value:‘, e.value)
break
輸出：
g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 g: 13 g: 21 g: 34 g: 55 Generator return value: done
還可通過yield實現在單線程的情況下實現並發運算的效果
import time
__author__ = ‘mike‘
def consumer(name):
print(‘%s 準備吃包子啦!‘ % name)
while True:
baozi = yield
print(‘包子[%s]來了,被[%s]吃了！‘ %(baozi,name))
def producer(name):
c = consumer(‘A‘)
c2 = consumer(‘B‘)
c.__next__()
c2.__next__()
print(‘開始準備做包子啦!‘)
for i in range(10):
time.sleep(1)
print("做了2個包子!")
c.send(i)
c2.send(i)
producer("mike")
三、叠代器
我們已經知道，可以直接作用於for循環的數據類型有以下幾種：
一類是集合數據類型：list、tuple、dict、set、str；
一類是：generator，包括生成器和帶yield的generator function。
這些可以直接作用於for循環的對象統稱為可叠代對象：Iterable。
可以使用isinstance()判斷一個對象是否是Iterable對象：
from collections import Iterable
print(isinstance([], Iterable))
print(isinstance({}, Iterable))
print(isinstance(‘abc‘, Iterable) )
print(isinstance((x for x in range(10)), Iterable))
而生成器不但可以作用於for循環，還可以被next()函數不斷調用並返回下一個值，直到最後拋出StopIteration錯誤表示無法繼續返回下一個值了。
*可以被next()函數調用並不斷返回下一個值的對象稱為叠代器：Iterator。
可以使用isinstance()判斷一個對象是否是Iterator對象：
print(isinstance([], Iterator))
print(isinstance({}, Iterator))
print(isinstance(‘abc‘, Iterator) )
print(isinstance((x for x in range(10)), Iterator))
輸出：
False False False True
生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator。
把list、dict、str等Iterable變成Iterator可以使用iter()函數：
print(isinstance(iter([]), Iterator))
print(isinstance(iter({}), Iterator))
輸出;
True True
為什麽list、dict、str等數據類型不是Iterator？
這是因為Python的Iterator對象表示的是一個數據流，Iterator對象可以被next()函數調用並不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。可以把這個數據流看做是一個有序序列，但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的計算是惰性的，只有在需要返回下一個數據時它才會計算。
Iterator甚至可以表示一個無限大的數據流，例如全體自然數。而使用list是永遠不可能存儲全體自然數的。
小結
凡是可作用於for循環的對象都是Iterable類型；
凡是可作用於next()函數的對象都是Iterator類型，它們表示一個惰性計算的序列；
集合數據類型如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函數獲得一個Iterator對象。
Python入門：生成器&叠代器