python(迭代器和生成器）

迭代器

：（列表，元组，字典，集合,字符串,文件）
迭代：每次重复的过程成为迭代的过程，每次迭代得到的结果，回作为下次迭代的初始值
迭代器：可以被next()函数调用并不断返回下一个值的对象称为迭代器
它只是实现了__next__()方法的对象，并不是容器
Iter()(iteration)
Next()
迭代器魔法方法：
iter() 返回对象本身：self
next()
补充：
1如何判断一个容器是否有迭代功能？
查看该容器是否具有__next_()和__iter__()方法
2 for语句如何判断迭器里面已经取空了？
迭代器每次通过__next__()方法返回一个元素，并指向下一个元素，如果当前位置已无元素，通过抛出StopIteration异常表示
3 python原生数据结构中，只有集合只能用迭代器进行访问 。
生成器（生成器是一个特殊的迭代器）
生成器的出现使python模仿协同程序的概念能够实现
协同程序：可以运行的独立函数调用，函数可以暂停或者挂起，并在需要的时候从程序离开的地方继续或者重新开始
注解：
1.如果函数中出现yield时，则这个函数被定义成生成器
2.yield 相当与函数中的return语句，不同的时候，yield是被暂停，程序能继续进行执行
注意：
1生成器都是Iterator对象，但list、dict、str虽然是Iterable（可迭代对象），却不是Iterator（迭代器）。
2以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list,tuple,dict,set,str等
一类是generator，包括生成器和带yield的generator function
统称为可迭代对象：Iterable
3为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

4判断一个对象是否是可迭代，迭代器
from collections import Iterator #迭代器
from collections import Iterable #可迭代对象

print(isinstance(s,Iterator)) #判断是不是迭代器
print(isinstance(s,Iterable)) #判断是不是可迭代对象
5可迭代对象通过iter转成迭代器对象
6
小结：
• 凡是可作用于for循环的对象都是Iterable类型；
• 凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
• 集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
7 send()和next()的区别就在于send可传递参数给yield表达式，这时候传递的参数就会作为yield表达式的值，而yield的参数是返回给调用者的值，也就是说send可以强行修改上一个yield表达式值。
8 send()和next()都有返回值，他们的返回值是当前迭代遇到的yield的时候，yield后面表达式的值，其实就是当前迭代yield后面的参数。
9 第一次调用时候必须先next（）后send（）,否则会报错，send后之所以为None是因为这时候没有上一个yield，所以也可以认为next（）等同于send(None)，（send是给上一个yield复制对象进行复制）
10不管是send还是next都是跑到下一个yield进行操作，并把yield之后的值返回来
Eg
1.
def A():
x = yield “这是第一次yield”
print(“第一个yield和第二个yield之间,第一个x是:{}”.format(x))
x = yield “这是第二次yield”
print(“第二个yield和第三个yield之间,第二个x是:{}”.format(x))
x = yield “这是第三次yield”

a = A()
print(a)
print(type(a))
print(a.next())
print(a.next())
print(a.send(“第一次使用send”))
实行结果：
这是第一次yield
第一个yield和第二个yield之间,第一个x是:None
这是第二次yield
第二个yield和第三个yield之间,第二个x是:第一次使用send
这是第三次yield
2.

利用yield求出指定数字开始，指定个数的素数

def is_p(number):
while True:
if number == 1:
number += 1
continue
elif number == 2:
yield number
number += 1
else:
number > 1
for i in range(2, number):
if not number % i:
number += 1
break
else:
yield number
number += 1
#第一个参数是指定开始数字，第二个参数是打印多少个参数
def get_p(number, count):
t = is_p(number)
for i in range(count):
print(t.next())

get_p(2, 10)
实行结果：
2
3
5
7
11
13
17
19
23
29

迭代器

：（列表，元组，字典，集合,字符串,文件）
迭代：每次重复的过程成为迭代的过程，每次迭代得到的结果，回作为下次迭代的初始值
迭代器：可以被next()函数调用并不断返回下一个值的对象称为迭代器
它只是实现了__next__()方法的对象，并不是容器
Iter()(iteration)
Next()
迭代器魔法方法：
iter() 返回对象本身：self
next()
补充：
1如何判断一个容器是否有迭代功能？
查看该容器是否具有__next_()和__iter__()方法
2 for语句如何判断迭器里面已经取空了？
迭代器每次通过__next__()方法返回一个元素，并指向下一个元素，如果当前位置已无元素，通过抛出StopIteration异常表示
3 python原生数据结构中，只有集合只能用迭代器进行访问 。
生成器（生成器是一个特殊的迭代器）
生成器的出现使python模仿协同程序的概念能够实现
协同程序：可以运行的独立函数调用，函数可以暂停或者挂起，并在需要的时候从程序离开的地方继续或者重新开始
注解：
1.如果函数中出现yield时，则这个函数被定义成生成器
2.yield 相当与函数中的return语句，不同的时候，yield是被暂停，程序能继续进行执行
注意：
1生成器都是Iterator对象，但list、dict、str虽然是Iterable（可迭代对象），却不是Iterator（迭代器）。
2以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list,tuple,dict,set,str等
一类是generator，包括生成器和带yield的generator function
统称为可迭代对象：Iterable
3为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。

4判断一个对象是否是可迭代，迭代器
from collections import Iterator #迭代器
from collections import Iterable #可迭代对象

print(isinstance(s,Iterator)) #判断是不是迭代器
print(isinstance(s,Iterable)) #判断是不是可迭代对象
5可迭代对象通过iter转成迭代器对象
6
小结：
• 凡是可作用于for循环的对象都是Iterable类型；
• 凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
• 集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
7 send()和next()的区别就在于send可传递参数给yield表达式，这时候传递的参数就会作为yield表达式的值，而yield的参数是返回给调用者的值，也就是说send可以强行修改上一个yield表达式值。
8 send()和next()都有返回值，他们的返回值是当前迭代遇到的yield的时候，yield后面表达式的值，其实就是当前迭代yield后面的参数。
9 第一次调用时候必须先next（）后send（）,否则会报错，send后之所以为None是因为这时候没有上一个yield，所以也可以认为next（）等同于send(None)，（send是给上一个yield复制对象进行复制）
10不管是send还是next都是跑到下一个yield进行操作，并把yield之后的值返回来
Eg
1.
def A():
x = yield “这是第一次yield”
print(“第一个yield和第二个yield之间,第一个x是:{}”.format(x))
x = yield “这是第二次yield”
print(“第二个yield和第三个yield之间,第二个x是:{}”.format(x))
x = yield “这是第三次yield”

a = A()
print(a)
print(type(a))
print(a.next())
print(a.next())
print(a.send(“第一次使用send”))
实行结果：
这是第一次yield
第一个yield和第二个yield之间,第一个x是:None
这是第二次yield
第二个yield和第三个yield之间,第二个x是:第一次使用send
这是第三次yield
2.

利用yield求出指定数字开始，指定个数的素数

def is_p(number):
while True:
if number == 1:
number += 1
continue
elif number == 2:
yield number
number += 1
else:
number > 1
for i in range(2, number):
if not number % i:
number += 1
break
else:
yield number
number += 1
#第一个参数是指定开始数字，第二个参数是打印多少个参数
def get_p(number, count):
t = is_p(number)
for i in range(count):
print(t.next())

get_p(2, 10)
实行结果：
2
3
5
7
11
13
17
19
23
29