一、迭代
迭代：从对象中，逐个获取元素的过程。
可迭代对象
理解：可以进行迭代操作的对象；
定义：含有__iter__()方法或__getitem__()方法的对象；
常见可迭代对象：字典（dict）、元组（tuple）、集合（set）和字符串等；
可迭代是对象的一种特性，可迭代对象，都可以进行for循环进行遍历；
可以使用函数hasattr()或isinstance()判断一个对象是否可迭代。
from collections import Iterable
a = [1, 2, 3]
b = 'python'
print(hasattr(a, '__iter__'))
True
print(isinstance(b, Iterable))
True
二、迭代器
定义：指遵循迭代器协议
(iterator protocol)的对象。迭代器协议
(iterator protocol)：实现__iter__()方法和__next__()方法。__iter__()方法返回迭代器对象本身，__next__()方法返回容器的下一个元素，没有后续元素时抛出 StopIteration 异常。迭代器是访问序列内元素的一种方式，提供了一种遍历序列对象的方法。
可以使用函数
hasattr()或isinstance()判断一个对象是否是迭代器。
from collections import Iterable, Iterator
a = [1, 2, 3]
b = 'python'
print(hasattr(a, '__iter__'))
True
print(hasattr(a, '__next__')) #有 __iter__ 方法但是没有 __next__ 方法，不是迭代器
False
print(isinstance(a, Iterator))
False
- 虽然字符串、元组、列表和字典等对象都是可迭代的，但它们却不是迭代器。这些可迭代对象，可以使用 Python 内置的
iter()函数获得它们的迭代器对象。
from collections import Iterable, Iterator
a = [1, 2, 3]
b = 'python'
print(isinstance(iter(a), Iterator))
True
print(isinstance(iter(b), Iterator))
True
- 对Python中的可迭代对象，进行
for循环遍历时，就是先通过内置函数iter()获得一个迭代器，然后再不断调用__next__()函数进行迭代。
三、生成器
生成器
(generator)是一个返回迭代器(iterator)的函数。生成器只能用于迭代操作，且只能迭代一次，因为值是在迭代的过程生成的，而所有的值并没有保存在内存中。
简单点理解，生成器就是一个特殊的迭代器，每次迭代时返回一个值，直到抛出 StopIteration 异常。
构造生成器的方法
-
生成器表达式
和 列表推导式 的定义类似，生成器表达式使用圆括号()而不是方括号[]，比如：
nums = (x for x in range(4))
for num in nums:
print(num, end = ' ')
0 1 2 3
-
生成器函数(yield)
调用含有 yield 关键字的函时，会返回一个生成器；
实际上，yield 仅能用于定义生成器函数。
生成器在Python中是一个非常强大的编程结构，可以用更少地中间变量写流式代码，更能节省内存和CPU，同时可以用更少的代码来实现相似的功能。
生成器小结
是可迭代对象；
延迟计算，一次返回一个结果，节省内存；
本质上和其他的数据类型一样，都是实现了迭代器协议。
四、生成器函数(yield)
生成器函数，不使用
return语句返回值，而使用关键字yield，后跟一个表达式或值，调用时返回该表达式或值。在生成器函数中，关键字
yield会在内部自动创建__iter__()和__next__()方法，而且在没有数据时，也会抛出 StopIteration 异常，非常简单高效地获得一个迭代器。执行过程
调用生成器函数时，不会立即执行代码，而是返回一个生成器对象；
当__next__()方法作用于返回的生成器对象时，函数开始执行；
每次遇到yield时，函数会暂停并保存当前所有的运行信息，返回 yield 表达式的值；
当下一次执行__next__()方法时，函数会从原来暂停的地方继续执行；
直到没有yield时，抛出异常；
简而言之，就是__next__()使函数执行，yield使函数暂停。
def generator_function():
print('Hello 1')
yield 1
print('Hello 2')
yield 2
print('Hello 3')
g = generator_function()
print(g) # 函数没有立即执行，而是返回了一个生成器，当然也是一个迭代器
<generator object generator_function at 0x109f02c50>
print(g.__next__()) # 当使用__next()__方法，或使用 next(g) 时开始执行，遇到 yield 暂停
Hello 1
1
print(g.__next__()) # 从原来暂停的地方继续执行
Hello 2
2
print(g.__next__()) # 从原来暂停的地方继续执行，没有 yield，抛出异常
Hello 3
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
- 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，可以直接对迭代器进行函数操作，比如
sum()、list()等。
a = [1, 5, 2, 1, 9, 1, 5, 10]
def dedupe(items):
seen = set()
for item in items:
if item not in seen:
yield item
seen.add(item)
# 返回生成器对象
print(type(dedupe(a)))
<class 'generator'>
# 不同值求和
print(sum(dedupe(a)))
27
# 删除序列中相同元素，并保持原来的顺序
print(list(dedupe(a)))
[1, 5, 2, 9, 10]
- 注意事项
迭代器函数可以多次调用(见上述4中的示例)；
但一个生成器对象只能遍历一次；
如下示例中，执行sum()函数时，遍历了生成器d；执行list()函数，再次遍历生成器d时，将不会有任何记录，结果为空。
a = [1, 5, 2, 1, 9, 1, 5, 10]
def dedupe(items):
seen = set()
for item in items:
if item not in seen:
yield item
seen.add(item)
d = dedupe(a) # d 为一个生成器对象
# d 为生成器对象
print(type(d))
<class 'generator'>
# 不同值求和
print(sum(d))
27
# 删除序列中相同元素，并保持原来的顺序：结果为空
print(list(d))
[]
- 示例：生成一个Fibonacci 数列
- 自定义迭代器
class Fib(object):
def __init__(self):
self.a, self.b = 0, 1
def __iter__(self):
return self
def __next__(self):
self.a, self.b = self.b, self.a + self.b
return self.a
f = Fib()
for item in f:
if item > 10:
break
print(item, end=' ')
1 1 2 3 5 8
- 生成器函数
def fib():
a, b = 0, 1
while True:
a, b = b, a + b
yield a
f = fib()
for item in f:
if item > 10:
break
print(item, end=' ')
1 1 2 3 5 8
可以看到，使用生成器函数的方法非常简洁，不用自定义 __iter__() 和 __next__() 方法。
- 形象理解生成器函数
如果实在还是不太能理解生成器函数，大致上可以这样去分步理解：
在函数开始处，假设result = list()；
将每个 yield expr(表达式)， 理解为result.append(expr)；
在函数末尾处，假设return result。
