python生成器與迭代器
列表生成式:
例一：
a = [i+1 for i in range(10)] print(a) 輸出： [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
例二：
L = [1, 2, 3, 4, 5] print([i*i for i in L if i>3]) 輸出: [16, 25]
例三：
L = [1, 2, 3, 4, 5] I = [6, 7, 8, 9, 10] print([i*a for i in L for a in I if i > 2 if a < 8]) 輸出： [18, 21, 24, 28, 30, 35]
生成器：
通過列表生成式，我們可以直接建立一個列表。但是，受到記憶體限制，列表容量肯定是有限的。而且，建立一個包含100萬個元素的列表，不僅佔用很大的儲存空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。
所以，如果列表元素可以按照某種演算法推算出來，這樣就不必建立完整的list，從而節省大量的空間。在Python中，這種一邊迴圈一邊計算的機制，稱為生成器：generator。
要建立一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就建立了一個generator：
示例：
L = [1, 2, 3, 4, 5] I = [6, 7, 8, 9, 10] g = (i*a for i in L for a in I ) print(g) 輸出： <generator object <genexpr> at 0x00000276586C1F48>
建立L和g的區別僅在於最外層的[]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，可以通過generator的next()方法
next(g)
例一：
L = [1, 2, 3, 4, 5] I = [6, 7, 8, 9, 10] g = (i*a for i in L for a in I ) print(next(g)) print(next(g)) print(next(g)) 輸出： 6 7 8
例二：
L = [1, 2, 3, 4, 5] I = [6, 7, 8, 9, 10] g = (i*a for i in L for a in I if i > 2 if a < 8) print(next(g)) print(next(g)) print(next(g)) 輸出： 18 21 24
因為generator儲存的是演算法，每次呼叫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，丟擲StopIteration的錯誤。正確的方法是使用for迴圈，因為generator也是可迭代物件：
例三：
g = (i*i for i in range(0, 5)) for i in g: print(i)
當我們建立了一個generator後，基本上永遠不會呼叫next()方法，而是通過for迴圈來迭代它。
generator非常強大。如果推算的演算法比較複雜，用類似列表生成式的for迴圈無法實現的時候，還可以用函式來實現。
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，用函式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
上面的函式可以輸出斐波那契數列的前N個數：
>>> fib(6)
1
1
2
3
5
8
仔細觀察，可以看出，fib函式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，上面的函式和generator僅一步之遙。要把fib函式變成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。如果一個函式定義中包含yield關鍵字，那麼這個函式就不再是一個普通函式，而是一個generator：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
print(fib(5))
輸出：
<generator object fib at 0x0000023DC66C1F48>
呼叫方法： ##但是用for迴圈呼叫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：
for i in fib(5):
print(i)
輸出：
1
1
2
3
5
或者：
date = fib(5)
print(date.__next__())
print(date.__next__())
print(date.__next__())
print('test')
print(date.__next__())
print(date.__next__())
輸出：
1
1
2
test
3
5
send方法有一個引數，該引數指定的是上一次被掛起的yield語句的返回值
還可通過yield實現在單執行緒的情況下實現併發運算的效果
#_*_coding:utf-8_*_
__author__ = 'Alex Li'
import time
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("老子開始準備做包子啦!")
for i in range(10):
time.sleep(1)
print("做了2個包子!")
c.send(i)
c2.send(i)
producer("alex")
通過生成器實現協程並行運算
迭代器:
可以直接作用於for迴圈的資料型別有以下幾種：
一類是集合資料型別，如list、tuple、dict、set、str等；
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迴圈的物件統稱為可迭代物件：Iterable。
可以使用isinstance()判斷一個物件是否是Iterable物件：
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
而生成器不但可以作用於for迴圈，還可以被next()函式不斷呼叫並返回下一個值，直到最後丟擲StopIteration錯誤表示無法繼續返回下一個值了。
*可以被next()函式呼叫並不斷返回下一個值的物件稱為迭代器：Iterator。
可以使用isinstance()判斷一個物件是否是Iterator物件：
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
生成器都是Iterator物件，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()函式：
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
為什麼list、dict、str等資料型別不是Iterator？
這是因為Python的Iterator物件表示的是一個數據流，Iterator物件可以被next()函式呼叫並不斷返回下一個資料，直到沒有資料時丟擲StopIteration錯誤。可以把這個資料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()函式實現按需計算下一個資料，所以Iterator的計算是惰性的，只有在需要返回下一個資料時它才會計算。
Iterator甚至可以表示一個無限大的資料流，例如全體自然數。而使用list是永遠不可能儲存全體自然數的。
小結:
凡是可作用於for迴圈的物件都是Iterable型別；
凡是可作用於next()函式的物件都是Iterator型別，它們表示一個惰性計算的序列；
集合資料型別如list、dict、str等是Iterable但不是Iterator，不過可以通過iter()函式獲得一個Iterator物件。
Python3的for迴圈本質上就是通過不斷呼叫next()函式實現的，例如： for x in [1, 2, 3, 4, 5]: pass 實際上完全等價於： # 首先獲得Iterator物件: it = iter([1, 2, 3, 4, 5]) # 迴圈: while True: try: # 獲得下一個值: x = next(it) except StopIteration: # 遇到StopIteration就退出迴圈 break