1、迭代

1.1 迭代的概念

使用for循环遍历取值的过程叫做迭代，比如：使用for循环遍历列表获取值的过程

# Python 中的迭代
for value in [2, 3, 4]:print(value)

1.2 可迭代对象

标准概念：在类里面定义__iter__方法，并使用该类创建的对象就是可迭代对象

简单记忆：使用for循环遍历取值的对象叫做可迭代对象, 比如：列表、元组、字典、集合、range、字符串

1.3 判断对象是否是可迭代对象

# 元组，列表，字典，字符串，集合，range都是可迭代对象
from collections import Iterable
# 如果解释器提示警告，就是用下面的导入方式
# from collections.abc import Iterable# 判断对象是否是指定类型
result = isinstance((3, 5), Iterable)
print("元组是否是可迭代对象:", result)result = isinstance([3, 5], Iterable)
print("列表是否是可迭代对象:", result)result = isinstance({"name": "张三"}, Iterable)
print("字典是否是可迭代对象:", result)result = isinstance("hello", Iterable)
print("字符串是否是可迭代对象:", result)result = isinstance({3, 5}, Iterable)
print("集合是否是可迭代对象:", result)result = isinstance(range(5), Iterable)
print("range是否是可迭代对象:", result)result = isinstance(5, Iterable)
print("整数是否是可迭代对象:", result)# 提示: 以后还根据对象判断是否是其它类型，比如以后可以判断函数里面的参数是否是自己想要的类型
result = isinstance(5, int)
print("整数是否是int类型对象:", result)class Student(object):passstu = Student()
result = isinstance(stu, Iterable)print("stu是否是可迭代对象:", result)result = isinstance(stu, Student)print("stu是否是Student类型的对象:", result)

1.4 自定义可迭代对象

在类中实现__iter__方法

自定义可迭代类型代码

from collections import Iterable
# 如果解释器提示警告，就是用下面的导入方式
# from collections.abc import Iterable# 自定义可迭代对象: 在类里面定义__iter__方法创建的对象就是可迭代对象
class MyList(object):def __init__(self):self.my_list = list()# 添加指定元素def append_item(self, item):self.my_list.append(item)def __iter__(self):# 可迭代对象的本质：遍历可迭代对象的时候其实获取的是可迭代对象的迭代器， 然后通过迭代器获取对象中的数据passmy_list = MyList()
my_list.append_item(1)
my_list.append_item(2)
result = isinstance(my_list, Iterable)print(result)for value in my_list:print(value)

执行结果:

Traceback (most recent call last):
TrueFile "/Users/hbin/Desktop/untitled/aa.py", line 24, in <module>for value in my_list:
TypeError: iter() returned non-iterator of type 'NoneType'

通过执行结果可以看出来，遍历可迭代对象依次获取数据需要迭代器

总结

在类里面提供一个__iter__创建的对象是可迭代对象，可迭代对象是需要迭代器完成数据迭代的

2、迭代器

2.1 自定义迭代器对象

自定义迭代器对象: 在类里面定义__iter__和__next__方法创建的对象就是迭代器对象

from collections import Iterable
from collections import Iterator# 自定义可迭代对象: 在类里面定义__iter__方法创建的对象就是可迭代对象
class MyList(object):def __init__(self):self.my_list = list()# 添加指定元素def append_item(self, item):self.my_list.append(item)def __iter__(self):# 可迭代对象的本质：遍历可迭代对象的时候其实获取的是可迭代对象的迭代器， 然后通过迭代器获取对象中的数据my_iterator = MyIterator(self.my_list)return my_iterator# 自定义迭代器对象: 在类里面定义__iter__和__next__方法创建的对象就是迭代器对象
class MyIterator(object):def __init__(self, my_list):self.my_list = my_list# 记录当前获取数据的下标self.current_index = 0# 判断当前对象是否是迭代器result = isinstance(self, Iterator)print("MyIterator创建的对象是否是迭代器:", result)def __iter__(self):return self# 获取迭代器中下一个值def __next__(self):if self.current_index < len(self.my_list):self.current_index += 1return self.my_list[self.current_index - 1]else:# 数据取完了，需要抛出一个停止迭代的异常raise StopIterationmy_list = MyList()
my_list.append_item(1)
my_list.append_item(2)
result = isinstance(my_list, Iterable)print(result)for value in my_list:print(value)

运行结果:

True
MyIterator创建的对象是否是迭代器: True
1
2

2.2 iter()函数与next()函数

  1. iter函数: 获取可迭代对象的迭代器，会调用可迭代对象身上的__iter__方法
  2. next函数: 获取迭代器中下一个值，会调用迭代器对象身上的__next__方法
# 自定义可迭代对象: 在类里面定义__iter__方法创建的对象就是可迭代对象
class MyList(object):def __init__(self):self.my_list = list()# 添加指定元素def append_item(self, item):self.my_list.append(item)def __iter__(self):# 可迭代对象的本质：遍历可迭代对象的时候其实获取的是可迭代对象的迭代器， 然后通过迭代器获取对象中的数据my_iterator = MyIterator(self.my_list)return my_iterator# 自定义迭代器对象: 在类里面定义__iter__和__next__方法创建的对象就是迭代器对象
# 迭代器是记录当前数据的位置以便获取下一个位置的值
class MyIterator(object):def __init__(self, my_list):self.my_list = my_list# 记录当前获取数据的下标self.current_index = 0def __iter__(self):return self# 获取迭代器中下一个值def __next__(self):if self.current_index < len(self.my_list):self.current_index += 1return self.my_list[self.current_index - 1]else:# 数据取完了，需要抛出一个停止迭代的异常raise StopIteration# 创建了一个自定义的可迭代对象
my_list = MyList()
my_list.append_item(1)
my_list.append_item(2)# 获取可迭代对象的迭代器
my_iterator = iter(my_list)
print(my_iterator)
# 获取迭代器中下一个值
# value = next(my_iterator)
# print(value)# 循环通过迭代器获取数据
while True:try:value = next(my_iterator)print(value)except StopIteration as e:break

2.3 for循环的本质

遍历的是可迭代对象

  • for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器，然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束。

遍历的是迭代器

  • for item in Iterator 循环的迭代器，不断调用next()方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束。

2.4 迭代器的应用场景

我们发现迭代器最核心的功能就是可以通过next()函数的调用来返回下一个数据值。如果每次返回的数据值不是在一个已有的数据集合中读取的，而是通过程序按照一定的规律计算生成的，那么也就意味着可以不用再依赖一个已有的数据集合，也就是说不用再将所有要迭代的数据都一次性缓存下来供后续依次读取，这样可以节省大量的存储（内存）空间。

举个例子，比如，数学中有个著名的斐波拉契数列（Fibonacci），数列中第一个数为0，第二个数为1，其后的每一个数都可由前两个数相加得到：

0, 1, 1, 2, 3, 5, 8, 13, 21, 34, …

现在我们想要通过for…in…循环来遍历迭代斐波那契数列中的前n个数。那么这个斐波那契数列我们就可以用迭代器来实现，每次迭代都通过数学计算来生成下一个数。

class Fibonacci(object):def __init__(self, num):# num:表示生成多少fibonacci数字self.num = num# 记录fibonacci前两个值self.a = 0self.b = 1# 记录当前生成数字的索引self.current_index = 0def __iter__(self):return selfdef __next__(self):if self.current_index < self.num:result = self.aself.a, self.b = self.b, self.a + self.bself.current_index += 1return resultelse:raise StopIterationfib = Fibonacci(5)
# value = next(fib)
# print(value)for value in fib:print(value)

执行结果:

0
1
1
2
3

小结

迭代器的作用就是是记录当前数据的位置以便获取下一个位置的值

3、生成器

3.1 生成器的概念

生成器是一类特殊的迭代器,它不需要再像上面的类一样写__iter__()和__next__()方法了, 使用更加方便,它依然可以使用next函数和for循环取值

3.2 创建生成器方法1

  • 第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( )
my_list = [i * 2 for i in range(5)]
print(my_list)# 创建生成器
my_generator = (i * 2 for i in range(5))
print(my_generator)# next获取生成器下一个值
# value = next(my_generator)
#
# print(value)
for value in my_generator:print(value)

执行结果:

[0, 2, 4, 6, 8]
<generator object <genexpr> at 0x101367048>
0
2
4
6
8

3.3 创建生成器方法2

在def函数里面看到有yield关键字那么就是生成器

def fibonacci(num):a = 0b = 1# 记录生成fibonacci数字的下标current_index = 0print("--11---")while current_index < num:result = aa, b = b, a + bcurrent_index += 1print("--22---")# 代码执行到yield会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行yield resultprint("--33---")fib = fibonacci(5)
value = next(fib)
print(value)
value = next(fib)
print(value)value = next(fib)
print(value)# for value in fib:
#     print(value)

在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。

简单来说：只要在def中有yield关键字的 就称为 生成器

3.4 生成器使用return关键字

def fibonacci(num):a = 0b = 1# 记录生成fibonacci数字的下标current_index = 0print("--11---")while current_index < num:result = aa, b = b, a + bcurrent_index += 1print("--22---")# 代码执行到yield会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行yield resultprint("--33---")return "嘻嘻"fib = fibonacci(5)
value = next(fib)
print(value)
# 提示： 生成器里面使用return关键字语法上没有问题，但是代码执行到return语句会停止迭代，抛出停止迭代异常# return 和 yield的区别
# yield: 每次启动生成器都会返回一个值，多次启动可以返回多个值，也就是yield可以返回多个值
# return: 只能返回一次值，代码执行到return语句就停止迭代try:value = next(fib)print(value)
except StopIteration as e:# 获取return的返回值print(e.value)

提示:

  • 生成器里面使用return关键字语法上没有问题，但是代码执行到return语句会停止迭代，抛出停止迭代异常

3.5 yield和return的对比

  • 使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
  • 代码执行到yield会暂停，然后把结果返回出去，下次启动生成器会在暂停的位置继续往下执行
  • 每次启动生成器都会返回一个值，多次启动可以返回多个值，也就是yield可以返回多个值
  • return只能返回一次值，代码执行到return语句就停止迭代,抛出停止迭代异常

3.6 使用send方法启动生成器并传参

send方法启动生成器的时候可以传参数

def gen():i = 0while i<5:temp = yield iprint(temp)i+=1

执行结果:

In [43]: f = gen()In [44]: next(f)
Out[44]: 0In [45]: f.send('haha')
haha
Out[45]: 1In [46]: next(f)
None
Out[46]: 2In [47]: f.send('haha')
haha
Out[47]: 3In [48]:

**注意:如果第一次启动生成器使用send方法，那么参数只能传入None,一般第一次启动生成器使用next函数

小结

  • 生成器创建有两种方式，一般都使用yield关键字方法创建生成器
  • yield特点是代码执行到yield会暂停，把结果返回出去，再次启动生成器在暂停的位置继续往下执行

4、协程

4.1 协程的概念

协程，又称微线程，纤程,也称为用户级线程，在不开辟线程的基础上完成多任务，也就是在单线程的情况下完成多任务，多个任务按照一定顺序交替执行 通俗理解只要在def里面只看到一个yield关键字表示就是协程

协程是也是实现多任务的一种方式

协程yield的代码实现

简单实现协程

import timedef work1():while True:print("----work1---")yieldtime.sleep(0.5)def work2():while True:print("----work2---")yieldtime.sleep(0.5)def main():w1 = work1()w2 = work2()while True:next(w1)next(w2)if __name__ == "__main__":main()

运行结果：

----work1---
----work2---
----work1---
----work2---
----work1---
----work2---
----work1---
----work2---
----work1---
----work2---
----work1---
----work2---
...省略...

小结

协程之间执行任务按照一定顺序交替执行

5、greenlet

5.1 greentlet的介绍

为了更好使用协程来完成多任务，python中的greenlet模块对其封装，从而使得切换任务变的更加简单

使用如下命令安装greenlet模块:

pip3 install greenlet

使用协程完成多任务

import time
import greenlet# 任务1
def work1():for i in range(5):print("work1...")time.sleep(0.2)# 切换到协程2里面执行对应的任务g2.switch()# 任务2
def work2():for i in range(5):print("work2...")time.sleep(0.2)# 切换到第一个协程执行对应的任务g1.switch()if __name__ == '__main__':# 创建协程指定对应的任务g1 = greenlet.greenlet(work1)g2 = greenlet.greenlet(work2)# 切换到第一个协程执行对应的任务g1.switch()

运行效果

work1...
work2...
work1...
work2...
work1...
work2...
work1...
work2...
work1...
work2...

6、gevent

6.1 gevent的介绍

greenlet已经实现了协程，但是这个还要人工切换，这里介绍一个比greenlet更强大而且能够自动切换任务的第三方库，那就是gevent。

gevent内部封装的greenlet，其原理是当一个greenlet遇到IO(指的是input output 输入输出，比如网络、文件操作等)操作时，比如访问网络，就自动切换到其他的greenlet，等到IO操作完成，再在适当的时候切换回来继续执行。

由于IO操作非常耗时，经常使程序处于等待状态，有了gevent为我们自动切换协程，就保证总有greenlet在运行，而不是等待IO

安装

pip3 install gevent

6.2 gevent的使用

import geventdef work(n):for i in range(n):# 获取当前协程print(gevent.getcurrent(), i)g1 = gevent.spawn(work, 5)
g2 = gevent.spawn(work, 5)
g3 = gevent.spawn(work, 5)
g1.join()
g2.join()
g3.join()

运行结果

<Greenlet "Greenlet-0" at 0x26d8c970488: work(5)> 0
<Greenlet "Greenlet-1" at 0x26d8c970598: work(5)> 0
<Greenlet "Greenlet-2" at 0x26d8c9706a8: work(5)> 0
<Greenlet "Greenlet-0" at 0x26d8c970488: work(5)> 1
<Greenlet "Greenlet-1" at 0x26d8c970598: work(5)> 1
<Greenlet "Greenlet-2" at 0x26d8c9706a8: work(5)> 1
<Greenlet "Greenlet-0" at 0x26d8c970488: work(5)> 2
<Greenlet "Greenlet-1" at 0x26d8c970598: work(5)> 2
<Greenlet "Greenlet-2" at 0x26d8c9706a8: work(5)> 2
<Greenlet "Greenlet-0" at 0x26d8c970488: work(5)> 3
<Greenlet "Greenlet-1" at 0x26d8c970598: work(5)> 3
<Greenlet "Greenlet-2" at 0x26d8c9706a8: work(5)> 3
<Greenlet "Greenlet-0" at 0x26d8c970488: work(5)> 4
<Greenlet "Greenlet-1" at 0x26d8c970598: work(5)> 4
<Greenlet "Greenlet-2" at 0x26d8c9706a8: work(5)> 4

可以看到，3个greenlet是依次运行而不是交替运行

6.3 gevent切换执行

import geventdef work(n):for i in range(n):# 获取当前协程print(gevent.getcurrent(), i)#用来模拟一个耗时操作，注意不是time模块中的sleepgevent.sleep(1)g1 = gevent.spawn(work, 5)
g2 = gevent.spawn(work, 5)
g3 = gevent.spawn(work, 5)
g1.join()
g2.join()
g3.join()

运行结果

<Greenlet at 0x7fa70ffa1c30: f(5)> 0
<Greenlet at 0x7fa70ffa1870: f(5)> 0
<Greenlet at 0x7fa70ffa1eb0: f(5)> 0
<Greenlet at 0x7fa70ffa1c30: f(5)> 1
<Greenlet at 0x7fa70ffa1870: f(5)> 1
<Greenlet at 0x7fa70ffa1eb0: f(5)> 1
<Greenlet at 0x7fa70ffa1c30: f(5)> 2
<Greenlet at 0x7fa70ffa1870: f(5)> 2
<Greenlet at 0x7fa70ffa1eb0: f(5)> 2
<Greenlet at 0x7fa70ffa1c30: f(5)> 3
<Greenlet at 0x7fa70ffa1870: f(5)> 3
<Greenlet at 0x7fa70ffa1eb0: f(5)> 3
<Greenlet at 0x7fa70ffa1c30: f(5)> 4
<Greenlet at 0x7fa70ffa1870: f(5)> 4
<Greenlet at 0x7fa70ffa1eb0: f(5)> 4

6.4 给程序打补丁

import gevent
import time
from gevent import monkey# 打补丁，让gevent框架识别耗时操作，比如：time.sleep，网络请求延时
monkey.patch_all()# 任务1
def work1(num):for i in range(num):print("work1....")time.sleep(0.2)# gevent.sleep(0.2)# 任务1
def work2(num):for i in range(num):print("work2....")time.sleep(0.2)# gevent.sleep(0.2)if __name__ == '__main__':# 创建协程指定对应的任务g1 = gevent.spawn(work1, 3)g2 = gevent.spawn(work2, 3)# 主线程等待协程执行完成以后程序再退出g1.join()g2.join()

运行结果

work1....
work2....
work1....
work2....
work1....
work2....

6.5 注意

  • 当前程序是一个死循环并且还能有耗时操作，就不需要加上join方法了,因为程序需要一直运行不会退出

示例代码

import gevent
import time
from gevent import monkey# 打补丁，让gevent框架识别耗时操作，比如：time.sleep，网络请求延时
monkey.patch_all()# 任务1
def work1(num):for i in range(num):print("work1....")time.sleep(0.2)# gevent.sleep(0.2)# 任务1
def work2(num):for i in range(num):print("work2....")time.sleep(0.2)# gevent.sleep(0.2)if __name__ == '__main__':# 创建协程指定对应的任务g1 = gevent.spawn(work1, 3)g2 = gevent.spawn(work2, 3)while True:print("主线程中执行")time.sleep(0.5)

执行结果:

主线程中执行work1....work2....work1....work2....work1....work2....主线程中执行主线程中执行主线程中执行..省略..

  • 如果使用的协程过多，如果想启动它们就需要一个一个的去使用join()方法去阻塞主线程，这样代码会过于冗余，可以使用gevent.joinall()方法启动需要使用的协程

    实例代码

 import time
import geventdef work1():for i in range(5):print("work1工作了{}".format(i))gevent.sleep(1)def work2():for i in range(5):print("work2工作了{}".format(i))gevent.sleep(1)if __name__ == '__main__':w1 = gevent.spawn(work1)w2 = gevent.spawn(work2)gevent.joinall([w1, w2])  # 参数可以为list，set或者tuple

7、进程、线程、协程对比

7.1 进程、线程、协程之间的关系

  • 一个进程至少有一个线程，进程里面可以有多个线程
  • 一个线程里面可以有多个协程

7.2 进程、线程、线程的对比

  1. 进程是资源分配的单位
  2. 线程是操作系统调度的单位
  3. 进程切换需要的资源最大，效率很低
  4. 线程切换需要的资源一般，效率一般（当然了在不考虑GIL的情况下）
  5. 协程切换任务资源很小，效率高
  6. 多进程、多线程根据cpu核数不一样可能是并行的，但是协程是在一个线程中 所以是并发

小结

  • 进程、线程、协程都是可以完成多任务的，可以根据自己实际开发的需要选择使用

  • 由于线程、协程需要的资源很少，所以使用线程和协程的几率最大

  • 开辟协程需要的资源最少

本文转自 https://juejin.cn/post/6971037591952949256，如有侵权，请联系删除。

python协程（超详细）相关推荐

  1. 【Python核心】揭秘Python协程

    首先要明白什么是协程? 协程是实现并发编程的一种方式.一说并发肯定想到了多线程/多进程模型,多线程/多进程正是解决并发问题的经典模型之一 先从一个爬虫实例出发,用清晰的思路并且结合实战来搞懂这个不算特 ...

  2. python协程系列（三）——yield from原理详解

    声明:本文将详细讲解python协程的实现机理,为了彻底的弄明白它到底是怎么一回事,鉴于篇幅较长,将彻底从最简单的yield说起从最简单的生成器开始说起,因为很多看到这样一句话的时候很懵,即" ...

  3. python 协程_Python 协程与 Go 协程的区别（一）

    ? "Python猫" ,一个值得加星标的公众号 花下猫语:年关将近,不知各位过得怎样?我最近有些忙,收获也挺多,以后有机会分享下.吃饭时间,追了两部剧<了不起的麦瑟尔夫人& ...

  4. python协程实时输出_python协程

    不知道你有没有被问到过有没有使用过的python协程? 协程是什么? 协程是一种用户态轻量级,是实现并发编程的一种方式.说到并发,就能想到了多线程 / 多进程模型,是解决并发问题的经典模型之一. 但是 ...

  5. python中协程与函数的区别_深入浅析python 协程与go协程的区别

    进程.线程和协程 进程的定义: 进程,是计算机中已运行程序的实体.程序本身只是指令.数据及其组织形式的描述,进程才是程序的真正运行实例. 线程的定义: 操作系统能够进行运算调度的最小单位.它被包含在进 ...

  6. python 协程可以嵌套协程吗_Python线程、协程探究（2）——揭开协程的神秘面纱...

    一.上集回顾 在上一篇中我们主要研究了python的多线程困境,发现多核情况下由于GIL的存在,python的多线程程序无法发挥多线程该有的并行威力.在文章的结尾,我们提出如下需求: 既然python ...

  7. c++ 协程_理解Python协程(Coroutine)

    由于GIL的存在,导致Python多线程性能甚至比单线程更糟. GIL: 全局解释器锁(英语:Global Interpreter Lock,缩写GIL),是计算机程序设计语言解释器用于同步线程的一种 ...

  8. python 协程原理_Python协程greenlet实现原理

    greenlet是stackless Python中剥离出来的一个项目,可以作为官方CPython的一个扩展来使用,从而支持Python协程.gevent正是基于greenlet实现. 协程实现原理 ...

  9. 简单聊聊Python协程

    往期好文推荐 学习Python不需要程基础? 0基础不用怕,从0到1轻松教你入门Python python系统学习流线图,教你一步一步学会python 成为一名做大数据开发的女程序员,并不是二狗进入大 ...

  10. python 协程 php,python3.x,协程_python协程练习部分代码的理解？，python3.x,协程,asyncio - phpStudy...

    python协程练习部分代码的理解? import asyncio import threading async def wget(host): print('wget {}'.format(host ...

最新文章

  1. 我第一次接私活，就被骗了···
  2. 行业观察丨激荡二十年——货代软件1999—2019
  3. java能过吗_java – 你能通过例子解释AspectJ的cFlow(P u00...
  4. [蓝桥杯2018决赛]迷宫与陷阱
  5. [精品]CSAPP Bomb Lab 解题报告(五)
  6. vue2 关于开发插件的几点思考
  7. 295.数据流的中位数
  8. CorelDRAWX4的VBA插件开发(二十)创建进度条来显示程序运行进度
  9. 华为主题包hwt下载_华为主题开发工具
  10. vc html插件,VC++6.0插件系列(绝对经典)
  11. cad怎么把图层英文变成中文_CAD图层中英文对照表.pdf
  12. 360全景虚拟现实图片拍摄的注意细节
  13. oracle教程课件,Oracle入门教程(PPT课件)
  14. sqlite3设置密码 password
  15. clover UEFI+GUID最简单显核安装黑苹果教程（易懂）
  16. SpringCloud_Eureka:java.lang.NoClassDefFoundError: org/springframework/boot/actuate/health/HealthAgg
  17. 【SPIE独立出版|往届已检索、湘潭大学主办】第二届绿色通信、网络与物联网国际学术会议 (CNIoT 2022）
  18. JS获取指定日期前后N天的日期、前N个月日期、后N个月日期
  19. kindle 使用指南
  20. telnet 命令退出命令

热门文章

  1. 让DEV-C++更加帅气
  2. 被程序员鄙视的“开发者5个等级”划分
  3. 做英文期刊编辑的优缺点
  4. 携世界级核心技术 瑞星杀毒软件2007版全球发行
  5. linux下通过字符串调用函数,linux中字符串转换函数 simple_strtoul
  6. 健康饮食是生产力的保证,教你如何健康饮食篇
  7. NFS（Network File System 网络文件系统）
  8. 女王节快乐？只是想要你的钱而已
  9. 理一下不同ROE的计算方式
  10. 向影音爱好者致敬：TCL Q10H旗舰Mini LED电视发布