迭代器 - 概念

可迭代协议 : 内部含有__iter__方法的值/变量都是可迭代的

通过可迭代变成迭代器 : 可迭代变量.__iter__()返回一个迭代器

迭代器协议 : 内部含有__iter__方法和__next__方法的值/变量都是迭代器

迭代器的特点 :节省内存,惰性运算,一次性取值,只能按顺序取

可迭代和迭代器的关系:

所有的迭代器都是可迭代的,反之不成立

迭代器是特殊的存在

for循环和迭代器的关系:

无论是可迭代的还是迭代器都可以被for循环

如果直接循环迭代器,那么循环一次就没有了

如果循环的非迭代器,那么每一次循环都相当于从头到尾的循环

是因为在for循环中的所有非迭代器都会通过iter生成一个新的迭代器

迭代器引用

可迭代的/可迭代对象

for i in 7:print(i)

iterable 可迭代

整数类型 是不可迭代的

iter 迭代

iterable 可迭代的

dir函数查看一个数据类型内部含有哪些方法

两边带着双下划线的方法叫做"魔术方法","双下方法","内置方法"

这些方法都有一个特点:你可以调但是不需要你直接调用

ret_lst = dir([]) # 内置函数

print(ret_lst)

ret_str = dir('') # 内置函数

print(ret_str)

ret_num = dir(123) # 整数的内部是不含有__iter__方法的

print(ret_num)

可迭代协议 -- 只要是含有'__iter__'方法的数据类型都是可迭代的

是python规定的 : 可迭代类型 和 python语言之间的协议

检测某个变量/值 是不是可迭代的呢?

print('__iter__' in dir([]))

print('__iter__' in dir(123))

第二种检测方式

from collections import Iterable

print(isinstance([],Iterable)) # 内置函数,判断一个具体的值是不是某个数据类型的

print(isinstance(123,Iterable)) # 内置函数,判断一个具体的值是不是某个数据类型的

可以迭代的都可以使用for循环

print('__inter__' in dir([]))

print('__inter__' in dir(123))

from collections import Iterable

print(isinstance([],Iterable))

print(isinstance(123,Iterable))

什么是迭代器?

l = [1,2,3,4]

res = l.__iter__()

print(res)

list_iterator iterator迭代器

dir(l)

print(dir(res))

res中 但是不在l中的所有方法

print(set(dir(res))-set(dir(l)))

{'__next__', '__setstate__', '__length_hint__'}

迭代器中特有的方法,l中没有

print(res.__length_hint__()) # 迭代器中有多少个元素

for i in res:

print(i)

res.__setstate__(2) # 控制迭代器从哪儿开始迭代

for i in res:

print(i)

print(res.__next__()) # 从迭代器中取下一个值

print(res.__next__())

print(res.__next__())

print(res.__next__())

print(res.__next__())

for循环一个列表的时候必须用的

__next__取下一个值

迭代器协议 : 含有__next__和__iter__方法的变量/值都是迭代器

迭代器的特点:

具有next和iter方法

通过一个next多次执行就可以获得所有这个容器中的值

迭代器中的值只能取一次

不取的时候值不出现

for循环取值

for循环内部的机制就是迭代器取值的机制

在for循环执行的过程中 : 先把可迭代的变成一个迭代器,然后再从中一个一个的取值

range生成的就是一个迭代器,创建这个迭代器并不会真的把迭代器中的所有数据一次性生成

什么时候生成呢? 只有通过next取值的时候才会生成

记住你要多少个值 ,当前该给你什么,并且记住我下一个该给你什么,下一个和当前这个数的关系

f文件句柄

f记住 当前读到哪个位置了

a = list(range(1000000000))

print(a)

迭代器的作用就是节省内存,for循环就是利用了迭代器节省内存的特点来对python当中的变量来进行操作的

l = [1,2,3,4]

res1 = l.__iter__()

res2 = l.__iter__()

res1和res2都是迭代器

是两个完全不同的迭代器

for i in res1:

print(i)

print('------')

for i in res1:

print(i)

print('^^^^^^')

for i in l.__iter__():

print(i)

print('******')

for i in l.__iter__():

print(i)

for i in l:

print(i)

for i in l:

print(i)

自己创建一个迭代器

循环这个迭代器

dic = {'k':'v','k2':'v2'}

dic_iter = dic.__iter__()

print(dic_iter)

print(dic_iter.__next__())

for k in dic_iter:

print(k)

自己创建多个迭代器 : 每次执行iter方法就创建一个迭代器,每个迭代器都只能取值一次

循环这些迭代器

iter1 = dic.__iter__()

iter2 = dic.__iter__()

用while循环实现一个for循环的功能(循环list/dict)

l = [1,2,3,5,6,7,12,23,412]

l_iter = l.__iter__()

while True:

try: # 要保护的代码

print(l_iter.__next__())

except StopIteration: # 要保护的代码中一旦出现了StopIteration错误,程序不报错,直接执行break

print('报错啦')

count = 0

l_iter = l.__iter__()

while count < len(l):

print(l_iter.__next__())

count += 1

本质上for循环替我们做了上面程序的一系列操作:

生成迭代器

循环每一次对这个迭代器执行next

并且到迭代器的最后就停止

判断一个变量/值是否是迭代器的方法

lst_iterator = [].__iter__()

print('__iter__' in dir(lst_iterator))

print('__next__' in dir(lst_iterator))

print('__iter__' in dir(lst_iterator) and '__next__' in dir(lst_iterator))

f是一个迭代器还是一个可迭代的

range是一个迭代器还是一个可迭代的

f = open('file')

print('__iter__' in dir(f) and '__next__' in dir(f))

a = range(10)

print('__iter__' in dir(a))

print('__iter__' in dir(a) and '__next__' in dir(a))

第二种方法

from collections import Iterator

f = open('file')

print(isinstance(f,Iterator))

print(isinstance(range(10),Iterator))

a = range(10)

for i in a:

print(i)

for i in a:

print(i)

生成器概念

python语言自带的

生成器 : 程序员通过简单的函数就可以实现的

def func():

print('hello')

yield 1

g = func() # 调用"生成器函数"

print(g) # g generator(生成器)

调用就不会执行这个函数,而是返回一个生成器

print(dir(g)) # g是一个迭代器

所有的生成器都是迭代器

a = g.__next__()

print(a)

def func():

print('hello')

yield 1

print('world')

yield 2

g = func()

a = g.__next__()

print(a)

b = g.__next__()

print(b)

yield关键字的特点: 可以记录当前函数中执行的位置,下一次继续执行

next和yield是一对搭档 : next开始函数的执行 yield停止函数的执行