一. 生成器和迭代器
一. 初识迭代器(iter)
迭代:一代一代的更新的
迭代的特点:每一次迭代得到的结果都是下一次迭代的初始值.比如手机系统,python版本
可迭代对象:字符串,列表,元组,集合,字典
迭代器是一个对象，它可以逐个访问集合中的元素而无需暴露集合的底层表示。迭代器提供了两个基本的方法：__iter__() 和 __next__()，使得它可以在循环中逐个返回集合的元素。
下面是一个生活中的例子来说明迭代器的概念：
例子：书架上的书
假设你有一个书架，上面摆放了几本书。你想要创建一个可以逐本阅读书籍的迭代器。每次阅读一本书后，迭代器会提供下一本书的信息。
class Bookshelf: def __init__(self): self.books = ["Book 1", "Book 2", "Book 3", "Book 4"] self.index = 0 def __iter__(self): return self def __next__(self): if self.index < len(self.books): current_book = self.books[self.index] self.index += 1 return current_book else: raise StopIteration # 使用迭代器 my_bookshelf = Bookshelf() # 逐本阅读书籍 for book in my_bookshelf: print(f"Reading: {book}")
在这个例子中，Bookshelf 类是一个迭代器，它包含一个书籍列表和一个迭代器索引。__iter__ 方法返回迭代器本身，而 __next__ 方法逐个提供书籍的信息。当所有书籍都被遍历后，迭代器会抛出 StopIteration 异常，结束迭代。
在使用迭代器时，你可以通过 for 循环或 next() 函数逐个访问集合中的元素。这样的设计能够更加方便、高效地处理大量数据或对象集合。
二. 初识生成器(yield)
生成器是一种特殊的迭代器，它能够在需要时按需生成值，而不是一次性生成并保存所有值。生成器函数是使用 yield 语句的函数，每次调用生成器的 next() 方法或使用 for 循环迭代时，都会执行生成器函数直到遇到 yield，然后返回生成的值，并在下一次调用时从上次停止的地方继续执行。
生成器的优势在于它们可以有效地处理大量数据或需要逐个生成数据的情况，因为它们在内存使用方面更加高效。相比于一次性生成所有数据并将其保存在内存中，生成器只在需要时生成值，从而降低了内存消耗。
下面是一个生活中的例子，来说明生成器的概念：
例子：咖啡机
假设你是一位咖啡师，有一个咖啡机。你的顾客在早晨大量购买咖啡，但你不想一次性制作所有咖啡，因为这样会浪费咖啡和能源。相反，你决定使用生成器的概念。
你创建了一个咖啡机生成器函数，每次调用该函数时，它会制作一杯咖啡并将咖啡交给顾客。生成器函数使用 yield 语句暂停，直到下一次调用。这样，你可以在需要时逐杯生成咖啡，而不是一次性制作所有的咖啡。
def coffee_machine(): coffee_types = ["Espresso", "Latte", "Cappuccino", "Americano"] for coffee_type in coffee_types: yield f"Here is your {coffee_type} coffee." # 使用生成器 coffee_generator = coffee_machine() # 逐个为顾客制作咖啡 for _ in range(5): print(next(coffee_generator))
在这个例子中，coffee_machine 函数是一个生成器函数，它通过 yield 返回一种咖啡的信息。每次调用 next(coffee_generator) 时，生成器函数将制作一种咖啡并返回给顾客。这种方式有效地模拟了按需生成咖啡的过程，而不是一次性生成所有咖啡。
