一、列表生成式

　　如果有這樣一個列表[1,2,3,4,5,6,7,8,9,10] ,現在需要將列表裏的每個元素乘以2，應該怎麽做呢？

　　方法一：　　

# -*-coding:utf-8-*-

a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

for index,i in enumerate(a):
    a[index] *= 2
print(a)   # [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

　　方法二：

#-*- coding:utf-8 -*-

a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

print
 
(list(map(lambda x:x*2,a)))   # [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

　　似乎已經可以實現了，但是還有沒有其他方法呢？

　　答案當然是有的，而且還很簡潔，功能更強，不信，接著看：

#！/usr/bin/env python3
#-*- coding:utf-8 -*-

#列表生成式
a = [1,2,3,4,5,6,7,8]
a = [i if i< 4 else i*i for i in a] # 前三個數不變，後面的數都平方
print(a) #輸出：[1, 2, 3, 16, 25, 36, 49, 64]

　　註意：　　　　

　　　　[i if i< 4 else i*i for i in a]可視為兩部分，i if i<4 else i*i 為三元運算,視為一個整體，
　　看成一個’變量‘，for i in a 和這個變量組成列表生成式，i每在列表a中被賦值一次，‘變量‘就運行一次。
　　變量得出的結果就是列表中的元素。
　　　這種寫法就是列表生成式。

二、生成器
　　1、生成器的由來：
　　　　通過列表生成式，我們可以直接創建一個列表。但是，受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，
　　不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素占用的空間都白白浪費了。
　　　　所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？
　　這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator。
　　2、創建生成器的簡單方法
 

L = [x*2 for x in range(10)]
print(l)   # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 列表

g = (x * 2  for x in range(10))
print(g)  # <generator object <genexpr> at 0x1022ef630>  生成器

#創建L和g的區別僅在於最外層的[]和()，L是一個list，而g是一個generator。

　　　　那我們怎樣取出我們想要的值呢？

　　　　方法一：通過next()函數獲得generator的下一個返回值。

g = (x * 2  for x in range(4))
print(g)  # <generator object <genexpr> at 0x1022ef630>  生成器
print(next(g)) # 0
print(next(g)) # 2
print(next(g)) # 4
print(next(g)) # 6
print(next(g)) # StopIteration  生成結束會報錯

　　　　註意：generator保存的是算法，每次調用next(g)就計算出g的下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。

　　　　方法二（推薦）：使用for循環，因為generator也是可叠代對象，至於可叠代對象待會兒會說，現在你知道生成器可使用for循環就行了。　

a = (i for i in range(3))
for i in a: # for循環輸出生成器完成後不會報錯，但while和手動生成完後會報錯
    print(i)
‘‘‘
輸出：
    0
    1
    2
‘‘‘

　　3、我們可以推測一下生成器有哪些特點：

　　　　主要是這樣三個：取一次生成一個，只能向前，生成完成後報錯誤提示（StopIteration）。

　　4、生成器的實際運用

　　　　先看一個斐波那契數列是怎樣用函數生成的。　

def fib(max):
    n,a,b = 0,0,1  #  設置初始值
    while n < max:  # 執行次數
        print(b)         # 打印每次執行後的值
        a,b = b,a+b   # 交換賦值
        n += 1

    return ‘end‘     # 退出

fib(6)  # 函數調用

　　那這和生成器有什麽關系呢？其實原理是一樣的。fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出後續任意的元素，這種邏輯其實非常類似generator。

　　我們來稍微修改一下這個函數：

# 斐波拉契數列  和 yield
def fib(max):
    n,a,b = 0,0,1
    while n < max:
        #print(‘before yield!‘)
        yield b  # 把函數的執行過程凍結在這一步，並且把b的值，返回給外面的next()
        #print(b)
        a,b = b,a+b
        n += 1
    return ‘Done‘
f = fib(6) # 內部代碼不執行，只是將函數轉為生成器
#循環輸出
# for i in f:
#     print(i)

print(next(f))# 輸出：1    # next()喚醒凍結的執行過程，繼續執行，直到碰到下一個yield
print(next(f),type(f))  # 輸出：1  <class ‘generator‘>
print(next(f))  # 輸出：2
print(f.__next__()) # 輸出：3 #f.__next__()等同於next（f）

　　這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那麽這個函數就不再是一個普通函數，而是一個generator。

　 函數和生成器執行流程的區別：函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，
在每次調用next()的時候執行，遇到yield語句返回，再次被next()調用時從上次返回的yield語句處繼續執行。　

def func(n):
    count = 0
    while count < n:
        print(‘count‘,count)
        sign = yield count # yield 把函數的執行過程凍結在這一步，並且把count的值，返回給外面的next()
        print(‘--sign--‘,sign)
        count += 1
    return 666

f = func(3)
print( next(f)) # 0
print( next(f)) # 1
print(f.send(‘pause‘))  # 發送消息,喚醒並繼續執行

print( next(f)) # 2 print( next(f)) # 報錯：StopIteration: 666 

‘‘‘ 
函數中有了yield之後 
　　 1、函數名加（）就變成了一個生成器
    2、return在生成器裏，代表生成器的中止，直接報錯 

next 喚醒並繼續執行，只能默認發送消息None 

 函數中有了send之後,send(‘pause‘) 
　　　1、喚醒並繼續執行
　　　2、發送一個消息到生成器內部 

‘‘‘

　　我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。
同樣的，把函數改成generator後，我們基本上從來不會用next()來獲取下一個返回值，而是直接使用for循環來叠代：　

for n in fib(6):
    print(n)
‘‘‘
1
1
2
3
5
8
‘‘‘

　　但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

 g = fib(6)
 while True:
    try:
        x = next(g)
        print(‘g:‘, x)
    except StopIteration as e:
         print(‘Generator return value:‘, e.value)
         break
‘‘‘
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
‘‘‘

　　還可通過yield實現在單線程的情況下實現並發運算的效果。

#_*_coding:utf-8_*_

import time
def consumer(name):
    print("%s 準備吃包子啦!" %name)
    while True:
       baozi = yield

       print("包子[%s]來了,被[%s]吃了!" %(baozi,name))


def producer(name):
    c = consumer(‘A‘)
    c2 = consumer(‘B‘)
    c.__next__()
    c2.__next__()
    print("開始準備做包子啦!")
    for i in range(10):
        time.sleep(1)
        print("做了2個包子!")
        c.send(i)
        c2.send(i)

producer("jack")

三、叠代器

　　1、定義：可以被next()函數調用並不斷返回下一個值的對象稱為叠代器，Iterator。

　　2、可直接作用於for循環的數據類型有以下幾種：　　　　　

　　　　一類是：集合數據類型，如list,tuple,dict,set,str等
　　　　一類是：generator,包括生成器和帶yield的生成器函數
　　　　這樣可直接作用於for 循環的對象統稱為可叠代對象：Iterable
　　　　可以使用 isinstance()判斷一個對象是否是Iterable對象

　 3、可以使用 isinstance()判斷一個對象是否是Iterable對象

from collections import Iterable
print(isinstance([],Iterable)) # True
print(isinstance(‘abc‘,Iterable)) # True

　　4、可以使用 isinstance()判斷一個對象是否是Iterator(叠代器)

from collections import Iterator
print(isinstance((x for x in range(5)),Iterator)) # True
print(isinstance([],Iterator)) # False

　　5、可叠代對象和叠代器的區別：

　　　　　　list、dict、str等雖然都是Itrable，但並不是叠代器，可以通過 iter()函數把list,dict,str等變成叠代器。　　

from collections import Iterator
print(isinstance(iter([]),Iterator)) # True
print(isinstance(iter(‘abc‘),Iterator)) # True

　　6、叠代器和生成器的區別：

　　　　　　叠代器包括生成器，生成器都是叠代器（Iterator）,但叠代器不一定是生成器。

　　7、小結：　

　　　　凡是可作用於for循環的對象都是可叠代對象（Iterable）.
　　　　凡是可作用於next（）函數的對象都是Iterator類型，它們表示一個惰性計算的序列。
　　　　集合數據類型如list,dict,str等都是可叠代對象但不是叠代器，但可以通過iter()函數獲得一個叠代器對象。
　　　　python3中 for循環本質上就是通過不斷調用next()函數實現的。

Python生成器和叠代器