时间：2022-04-20 08:59:15 | 栏目：Python代码 | 点击：次
一、递归与迭代
二、什么是迭代器协议
1、迭代器协议是指：对象必须提供一个next方法，执行该方法要么返回迭代中的下一项，要么就引起一个stopiteration异常，已终止迭代（只能往后走不能往前退）
2、可迭代对象：实现了迭代器协议的对象（如何实现：对象内部定义一个__iter__()方法）
3、协议是一种约定，可迭代对象实现了迭代器协议，python的内部工具（如for循环，sum，min，max函数等）使用迭代器协议访问对象。
三、python中强大的for循环机制
for循环的本质：循环所有对象，全部是使用迭代器协议
解释：
有时会想，for循环的本质就是遵循迭代器协议访问对象，那么for循环的对象肯定都是迭代器了啊，没错，那既然这样，for循环可以遍历（字符串，，列表，字典，集合，文件对象），那这些类型的数据肯定都是可迭代对象啊？但是，为什么定义一个列表l=[1,2,3,4]没有next（）方法。
（字符串，列表，元组，字典，集合，文件对象）这些都不是可迭代对象，只不过在for循环中，调用了他们内部的__iter__方法，把他们变成了可迭代对象
然后for循环调用可迭代对象的__next__方法去取值，而且for循环会捕捉stoplteration异常，已终止迭代
l=[1,2,3,4,5]
#下标访问方式
print(l[0])
print(l[7]) #超出访问会报IndexError: list index out of range
#遵循迭代器协议的方式
diedai=l.__iter__()
print(diedai.__next__())
print(diedai.__next__())
print(diedai.__next__())
print(diedai.__next__())
print(diedai.__next__())
print(diedai.__next__()) #超出边界会报StopIteration
#for循环访问方式：
#for循环本质就是遵循迭代器协议的访问方式，先调用diedai.__iter__（）方法，或者直接diedai=iter(l),然后依次执行diedai.next(),直到for循环捕捉到StopIteration终止循环
#for循环所有对象的本质都是一样的道理
for i in l: #diedai=l.__iter__()
print(l[i]) #i=diedai.next()
#使用while模拟for循环做的事情
diedai_l=l.__iter__()
while True:
try:
print(diedai_l.__next__())
except StopIteration:
print("迭代完毕，终止循环")
break
四、生成器初探
什么是生成器？
可以理解为一种数据类型，这种数据类型自动实现了迭代器协议（其他的数据类型需要调用自己内置的__iter__方法），所以生成器就是可迭代对象
生成器分类及在python中的表现形式：（python有两种不同的方法提供生成器）
1、生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在没个结果中间，挂起函数的状态，以便下次用它离开的地方继续执行
2、生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表
为何使用生成器以及生产器的优点：
python使用生成器对延迟操作提供了支持，所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果，这也是生产器的重要好处
import time
# def producer():
# ret=[]
# for i in range(100):
# time.sleep(0.1)
# ret.append('包子%s' %i)
# return ret
#
# def consumer(res):
# for index,baozi in enumerate(res):
# time.sleep(0.1)
# print('第%s个人，吃了%s' %(index,baozi))
#
# res=producer()
# consumer(res)
#yield 3相当于return 控制的是函数的返回值
#x=yield的另外一个特性，接受send传过来的值,赋值给x
# def test():
# print('开始啦')
# firt=yield #return 1 first=None
# print('第一次',firt)
# yield 2
# print('第二次')
#
# t=test()
# res=t.__next__() #next(t)
# print(res)
# # t.__next__()
# # res=t.send(None)
# res=t.send('函数停留在first那个位置，我就是给first赋值的')
# print(res)
# def producer():
# ret=[]
# for i in range(100):
# time.sleep(0.1)
# ret.append('包子%s' %i)
# return ret
def consumer(name):
print('我是[%s],我准备开始吃包子了' %name)
while True:
baozi=yield
time.sleep(1)
print('%s 很开心的把【%s】吃掉了' %(name,baozi))
def producer():
c1=consumer('wupeiqi')
c2=consumer('yuanhao_SB')
c1.__next__()
c2.__next__()
for i in range(10):
time.sleep(1)
c1.send('包子 %s' %i)
c2.send('包子 %s' %i)
producer()
生产器小结
1、生成器是可迭代对象
2、实现了延迟计算、省内存
3、生成器本质和其他的数据类型一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处，其余的可迭代对象可没有这点好处
五、生成器表达式和列表解析
#1、三元表达式
name="alex"
name="yangyl"
res="1" if name=="yangyl" else "2"
print(res)
egg_list=["鸡蛋%s" %i for i in range(10) ] #列表解析
print(egg_list)
#使用生产器获取
egg_two=("鸡蛋%s" %i for i in range(10)) #生产器表达式
print(egg_two)
print(egg_two.__next__())
print(next(egg_two)) #next()本质就是调用__next__
总结：
1、把列表解析中的[]换成() 得到的就是生成器表达式
2、列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存
3、python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。列如：sum函数是python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议，所以我们可以直接这样计算一系列值的和：
s1=sum(x ** 2 for x in range(4))
print(s1)
而不用多此一举先构造一个列表
s2=sum([x ** 2 for x in range(4)])
print(s2)