python自己写一个迭代器_python笔记之迭代器和生成器
生成器
生成器函数 —— 本质上就是我们自己写得函数
defgenerator():print(1)return 'a'ret=generator()print(ret)
生成器表达式
g = (i for i in range(10))print(g)for i ing:print(i)
生成器表达式
只要含有yield关键字的函数都是生成器函数yield不能和return共用且需要写在函数内
defgenerator():print(1)yield 'a'
生成器函数 ： 执行之后会得到一个生成器作为返回值
ret =generator()print(ret)print(ret.__next__())defgenerator():print(1)yield 'a'
print(2)yield 'b'
yield 'c'g=generator()for i ing:print(i)
ret= g.__next__()print(ret)
ret= g.__next__()print(ret)
ret= g.__next__()print(ret)
生成器函数一
defwahaha():for i in range(2000000):yield '娃哈哈%s'%i
g=wahaha()
g1=wahaha()print(g.__next__())print(g1.__next__())
g=wahaha()
count=0for i ing:
count+=1
print(i)if count > 50:break
#print('*',g.__next__())
for i ing:
count+=1
print(i)if count > 100:break
生成器函数二
生成器函数
defgenerator():print(123)
content= yield 1
print('=======', content)print(456)
arg= yield 2
''''''
yieldg=generator()
ret= g.__next__()print('*', ret)
ret= g.send('hello') #send的效果和next一样
print('*', ret)
生成器函数三
send方法
send 获取下一个值的效果和next基本一致
只是在获取下一个值的时候，给上一yield的位置传递一个数据
使用send的注意事项
第一次使用生成器的时候 是用next获取下一个值
最后一个yield不能接受外部的值
获取移动平均值
def wrapper(func): #在调用被装饰生成器函数的时候首先用next激活生成器
def inner(*args, kwargs):
ret= func(*args, kwargs)
next(ret)returnretreturninner
@wrapperdefaverage():
sum=0
count=0
avg=0whileTrue:
num= yieldavg
sum+= num #10
count += 1 #1
avg = sum /count
avg_g=average()print(avg_g.send(10))print(avg_g.send(20))print(avg_g.send(30))
获取移动平均值
生成器小练习
处理文件，用户指定要查找的文件和内容，将文件中包含要查找内容的每一行都输出到屏幕
defcheck_file(filename, aim):
with open(filename, mode='r', encoding='utf-8') as f: #句柄 : handler,文件操作符，文件句柄
for i inf.readlines():if aim ini:yieldi
g= check_file('test.py', 'def')for i ing:print(i.strip())
写生成器，从文件中读取内容，在每一次读取到的内容之前加上‘*’之后再返回给用户
defcheck_file(filename):
with open(filename, mode='r', encoding='utf-8') as f: #句柄 : handler,文件操作符，文件句柄
for i inf.readlines():yield '*' +i
g= check_file('test.py')for i ing:print(i.strip())
迭代器
迭代
迭代：可以将某个数据集内的数据“一个挨着一个的取出来”，就叫做迭代。
字符串、列表、元组、字典、集合都可迭代对象
可迭代协议：可以被迭代要满足的要求就叫做可迭代协议。可迭代协议的定义非常简单，就是内部实现了__iter__方法
迭代器：内部含有__next__和__iter__方法的就是迭代器
可迭代的.__iter__()方法就可以得到一个迭代器
迭代器中的__next__()方法可以一个一个的获取值
for只有 是可迭代对象的时候 才能用for当我们遇到一个新的变量，不确定能不能for循环的时候，就判断它是否可迭代
l = ["12", '120', '119', '112', '10086', '10000']
iterator= l.__iter__()print(iterator)print(iterator.__next__())
#只要是能被for循环的数据类型 就一定拥有__iter__方法print([].__iter__())
# 一个列表执行了__iter__()之后的返回值就是一个迭代器print(dir([]))print(dir([].__iter__()))print(set(dir([].__iter__())) -set(dir([])))print([1,'a','bbb'].__iter__().__length_hint__()) #元素个数
l = [1,2,3]
iterator= l.__iter__()print(iterator.__next__())print(iterator.__next__())print(iterator.__next__())print(iterator.__next__())
迭代器的好处
从容器类型中一个一个的取值，会把所有的值都取到。
节省内存空间
迭代器并不会在内存中再占用一大块内存，
而是随着循环 每次生成一个
每次next每次给我一个
迭代器和生成器
迭代器
双下方法 ： 很少直接调用的方法。一般情况下，是通过其他语法触发的
可迭代的 —— 可迭代协议 含有__iter__的方法('__iter__' in dir(数据))
可迭代的一定可以被for循环
迭代器协议: 含有__iter__和__next__方法
迭代器一定可迭代，可迭代的通过调用iter()方法就能得到一个迭代器
迭代器的特点：
方便逐个取值，一个迭代器只能取一次。
节省内存空间
生成器
生成器的本质就是迭代器
生成器的表现形式
生成器函数
生成器表达式
生成器函数：
含有yield关键字的函数就是生成器函数
特点：
调用函数的之后函数不执行，返回一个生成器
每次调用next方法的时候会取到一个值，遇见yield就停止
直到取完最后一个，在执行next会报错
取值：
for ：如果没有break会一直取直到取完
next ：每次只取一个
send ：不能用在第一个，取下一个值的时候给上个位置传一个新的值
数据类型强制转换 ：会一次性把所有数据都读到内存里
生成器表达式
(条件成立想放在生成器中的值 for i in 可迭代的 if 条件)
写生成器实现：有一个文件，从文件里分段读取内容readlineread(10)在读出来的内容前面加上一个'*'，再返回给调用者
defgenerator():for i in range(20):yield '哇哈哈%s' %i
g= generator() #调用生成器函数得到一个生成器
print(list(g))
ret= g.__next__() #每一次执行g.__next__就是从生成器中取值，预示着生成器函数中的代码继续执行
print(ret)