@@@文章內容參照老男孩教育　　Alex金角大王,武Sir銀角大王@@@

一、生成器

列表生成式

1 a = [i * 2 for i in range(10)]
2 print(a) 
3 # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

生成器

通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的，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，那後面絕大數元素占用的空間都是浪費的。

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，這種一邊循環一邊計算的機制，稱為生成器：generator

 1 #列表生成式
 2 a = [i * 2 for i in range(10)]
 3 print(a)
 4 # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
 5 
 6 # 生成器
 7 b = (i * 2 for i in range(10))
 8 print(b)
 9 # <generator object <genexpr> at 0x0000024FA5F49888>
10 #創建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。
11 #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？
 

12 #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：
13 # 取元素
14 print(b.__next__()) # 0
15 print(b.__next__()) # 2
16 print(b.__next__()) # 4
17 print(b.__next__()) # 6
18 print(b.__next__()) # 8
19 print(b.__next__()) # 10
20 print(b.__next__()) # 12
21 print(b.__next__()) # 14
22 print(b.__next__()) # 16
 

23 print(b.__next__()) # 18
24 print(b.__next__())
25 # Traceback (most recent call last):
26 # File "<>", line 22, in <module>
27 # StopIteration
28 #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，
29 # 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。
30 # 正確的方法是使用for循環，因為generator也是可叠代對象：
31 g = (i * 2 for i in range(10))
32 for i in g:
33     print(i)

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，著名的斐波那契數列(Fibonacci)，除第一和第二個數外，任意一個數都可由前兩個數相加得到：

1，1，2，3，5，8，13，21，34，55，......

 1 # 斐波那契
 2 def fibo(max):
 3     n, a, b = 0, 0, 1
 4     while n < max:
 5         print(b)
 6         a, b = b, a + b
 7         n += 1
 8     return ‘done‘
 9 
10 fibo(10)
11 
12 # yield 生成器
13 def fibo(max):
14     n, a, b = 0, 0, 1
15     while n < max:
16         yield b
17         a, b = b, a + b
18         n += 1
19     return ‘done‘
20 
21 f = fibo(10)
22 print(f) # <generator object fibo at 0x00000163D8899888>
23 
24 for i in fibo(10):
25     print(i)
26 
27 # 但是用for循環調用generator時，發現拿不到generator的return語句的返回值。
28 # 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：
29 while True:
30     try:
31         x = next(f)
32         print(x)
33     except StopIteration as e:
34         print(e.value)
35         break

 1 import time
 2 def consumer(name):
 3     print(‘%s 準備吃包子啦！‘ %name)
 4     while True:
 5         baozi = yield
 6         print(‘包子[%s]來了，被[%s]吃了！‘ %(baozi,name))
 7 
 8 def producer(name):
 9     a = consumer(‘A‘)
10     b = consumer(‘B‘)
11     a.__next__()
12     b.__next__()
13     print(‘開始準備做包子啦‘)
14     for i in range(1,11):
15         time.sleep(1)
16         print(‘做了2個包子‘)
17         a.send(i)
18         b.send(i)
19 
20 producer(‘abc‘)

二、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，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：

 1 from collections import Iterable
 2 print(isinstance([],Iterable)) # True
 3 
 4 print(isinstance({},Iterable)) # True
 5 
 6 print(isinstance(‘abc‘,Iterable)) # True
 7 
 8 print(isinstance((x for x in range(10)),Iterable)) # True
 9 
10 print(isinstance(100,Iterable)) # False

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：

 1 from collections import Iterator
 2 
 3 print(isinstance((x for x in range(10)),Iterator)) # True
 4 
 5 print(isinstance([],Iterator)) # False
 6 
 7 print(isinstance({},Iterator)) # False
 8 
 9 print(isinstance(‘abc‘,Iterator)) # False
10 
11 # 生成器都是Iterator對象，但list、dict、str雖然是Iterable，卻不是Iterator
12 # 把list、dict、str等Iterable變成Iterator可以使用iter()函數
13 print(isinstance(iter([]),Iterator)) # True
14 
15 print(isinstance(iter(‘abc‘),Iterator)) # True

小結

　　凡是可以作用於for循環的對象都是Iterable類型；

　　凡是可以作用於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基礎06 - 生成器、叠代器