Python的for循環(huán)、迭代器、生成器有必要記錄一下，學(xué)習(xí)Python的生成器時候，頭一次見到函數(shù)可以這么寫，后來了解到貌似用yield關(guān)鍵字后，函數(shù)不再是函數(shù)了，運行方式也很有意思，因此有必要詳細(xì)記錄一下。貌似用yield做生成器后可以實現(xiàn)偽多線程。既然要寫生成器，就要把來龍去脈寫清楚，讓自己理解的更加透徹；這三者自我感覺是相關(guān)聯(lián)的，這篇文章就把它們說清楚。

Python的for循環(huán)

Python for循環(huán)可以遍歷任何可序列的對象，格式是：for … in …

• 第一個 … 中表示循環(huán)的變量，變量可以有多個，只要是后面對象中可以序列的變量就行，但是一般最多就2個，迄今為止我還沒有看到3個的
• 第二個 … 中表示循環(huán)的對象，要求此對象可以序列化
  Python的for循環(huán)抽象程度要高于C的for循環(huán)，因為Python的for循環(huán)不僅可以用在list或tuple上，還可以作用在其他可迭代對象上。list這種數(shù)據(jù)類型雖然有下標(biāo)，但很多其他數(shù)據(jù)類型是沒有下標(biāo)的，但是只要是可迭代對象，無論有無下標(biāo)，都可以用for循環(huán)迭代。

for循環(huán)示例

List 列表循環(huán)

dict 字典循環(huán)

Python字典，dict全稱dictionary，在其他語言中也稱為map，使用鍵-值（key-value）存儲，具有極快的查找速度。
這種key-value存儲方式，在放進去的時候，必須根據(jù)key算出value的存放位置，這樣取的時候才能根據(jù)key直接拿到value；
請務(wù)必注意，dict內(nèi)部存放的順序和key放入的順序是沒有關(guān)系的，雖然我們循環(huán)字典的時候，貌似是按照字典寫入順序輸出的，這是因為Python3在內(nèi)部為我們做了優(yōu)化，Python2 可就不好說了，尤其是當(dāng)字典存儲大量數(shù)據(jù)時。
和list比較，dict有以下幾個特點：

查找和插入的速度極快，不會隨著key的增加而變慢；需要占用大量的內(nèi)存，內(nèi)存浪費多。
1
2
1
2

而list相反：

所以，dict是用空間來換取時間的一種方法。
dict可以用在需要高速查找的很多地方，在Python代碼中幾乎無處不在，正確使用dict非常重要，需要牢記的第一條就是dict的key必須是不可變對象。
這是因為dict根據(jù)key來計算value的存儲位置，如果每次計算相同的key得出的結(jié)果不同，那dict內(nèi)部就完全混亂了。這個通過key計算位置的算法稱為哈希算法（Hash）。
要保證hash的正確性，作為key的對象就不能變。在Python中，字符串、整數(shù)等都是不可變的，因此，可以放心地作為key。而list是可變的，就不能作為key

#循環(huán)遍歷字典的key>>> a={'a': '1', 'b': '2', 'c': '3'}>>> for key in a:       print(key+':'+a[key])a:1b:2c:3>>> for key in a.keys():       print(key+':'+a[key])a:1b:2c:3#循環(huán)遍歷字典的value>>> for value in a.values():       print(value)123#循環(huán)遍歷字典項>>> a={'a': '1', 'b': '2', 'c': '3'}>>> for kv in a.items():...        print(kv)... ('a', '1')('c', '3')('b', '2')#循環(huán)遍歷字典key-value>>> for key,value in a.items():       print(key+':'+value)a:1b:2c:3>>> for (key,value) in a.items():       print(key+':'+value)a:1b:2c:3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

列表生成式

列表生成式主要使用for循環(huán)來生成一個列表，for循環(huán)包含列表中每一個元素的生成規(guī)則

生成器

通過列表生成式，直接創(chuàng)建一個列表；但是受到內(nèi)存限制，列表容量肯定是有限的；創(chuàng)建一個包含100萬個元素的列表，估計還沒有這么大內(nèi)存設(shè)備，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數(shù)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(huán)的過程中不斷推算出后續(xù)的元素呢？這樣就不必創(chuàng)建完整的list，從而節(jié)省大量的空間。在Python中，這種一邊循環(huán)一邊計算的機制，稱為生成器：generator。
我學(xué)到的有兩種生成器：列表是生成器、函數(shù)式生成器

列表式生成器

要創(chuàng)建一個列表式生成器generator，很簡單，只要把一個列表生成式的[]改成()，就創(chuàng)建了一個generator

>>> L = [x * x for x in range(5)]>>> L[0, 1, 4, 9, 16, 25]>>> g = (x * x for x in range(5))>>> g<generator object <genexpr> at 0x1022ef630>
1
2
3
4
5
6
1
2
3
4
5
6

創(chuàng)建L和g的區(qū)別僅在于最外層的[]和()，L是一個list，而g是一個generator
我們可以直接打印出list的每一個元素，但我們怎么打印出generator的每一個元素呢？
如果要一個一個打印出來，可以通過next()函數(shù)獲得generator的下一個返回值：

上面這種不斷調(diào)用next(g)實在是太變態(tài)了，正確的方法是使用for循環(huán)，因為generator也是可迭代對象

>>> g = (x * x for x in range(10))>>> for n in g:...     print(n)... 01491625# 所以，創(chuàng)建了一個generator后，基本上永遠(yuǎn)不會調(diào)用next()，而是通過for循環(huán)來迭代它，并且不需要關(guān)心StopIteration的錯誤。
1
2
3
4
5
6
7
8
9
10
11
1
2
3
4
5
6
7
8
9
10
11

函數(shù)式生成器

如果推算的算法比較復(fù)雜，用類似列表生成式的for循環(huán)無法實現(xiàn)的時候，還可以用函數(shù)來實現(xiàn)。
著名的斐波拉契數(shù)列（Fibonacci），就無法用for循環(huán)列表生成式實現(xiàn)，除第一個和第二個數(shù)外，任意一個數(shù)都可由前兩個數(shù)相加得到，可用函數(shù)式生成器實現(xiàn)：

可以看出，fib函數(shù)實際上是定義了斐波拉契數(shù)列的推算規(guī)則，從第一個元素開始，推算出后續(xù)任意的元素，這種邏輯其實非常類似generator。
上面的函數(shù)和generator僅一步之遙。要把fib函數(shù)變成generator，只需要把print(b)改為yield b就可以了

def fib(max):    n, a, b = 0, 0, 1    while n < max:        yield b        a, b = b, a + b        n = n + 1    return 'done'# 定義g函數(shù)式enerator的方法：如果一個函數(shù)定義中包含yield關(guān)鍵字，那么這個函數(shù)就不再是一個普通函數(shù)，而是一個generator>>> f = fib(6)>>> f<generator object fib at 0x104feaaa0>
1
2
3
4
5
6
7
8
9
10
11
1
2
3
4
5
6
7
8
9
10
11

這里，最難理解的就是generator和函數(shù)的執(zhí)行流程不一樣。函數(shù)是順序執(zhí)行，遇到return語句或者最后一行函數(shù)語句就返回。而變成generator的函數(shù)，在每次調(diào)用next()的時候執(zhí)行，遇到yield語句返回，再次執(zhí)行時從上次返回的yield語句處繼續(xù)執(zhí)行。
想想，Python解釋器是怎么做到的
舉個簡單的例子，定義一個generator，依次返回數(shù)字1，3，5：

可以看到，odd不是普通函數(shù)，而是generator，在執(zhí)行過程中，遇到yield就中斷，下次又繼續(xù)執(zhí)行。執(zhí)行3次yield后，已經(jīng)沒有yield可以執(zhí)行了，所以，第4次調(diào)用next(o)就報錯。
回到fib的例子，我們在循環(huán)過程中不斷調(diào)用yield，就會不斷中斷。當(dāng)然要給循環(huán)設(shè)置一個條件來退出循環(huán)，不然就會產(chǎn)生一個無限數(shù)列出來。
同樣的，把函數(shù)改成generator后，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(huán)來迭代：

>>> for n in fib(6):...     print(n)...112358
1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9

但是用for循環(huán)調(diào)用generator時，發(fā)現(xiàn)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：

生成器式生產(chǎn)者消費者模型

生成器yiled關(guān)鍵字即可以有返回值，還可以接收值；利用這個特性，可以做到單線程下，實現(xiàn)并行效果
生成器對象的方法：

• send()：恢復(fù)生成器在上一次yiled關(guān)鍵字暫停時，繼續(xù)運行，同時yiled關(guān)鍵字還可以接收send函數(shù)傳送的參數(shù)
• __next()__：生成器繼續(xù)運行到下一次的yiled關(guān)鍵字處，暫停

import timedef consumer(name):    print('%s consumer is ready!' %name)    while True:       p = yield       print('product [%s] is comming,received by [%s]!' %(p, name))       def producer(name, g_consumer):      g_consumer.__next__()    print('producer %s is ready!'%name)    for i in range(5):        time.sleep(1)        print('producer %s get new product %s'%(name, i))        g_consumer.send(i)        c1 = consumer('A')producer('luke',c1)'''程序運行結(jié)果：A consumer is ready!producer luke is ready!producer luke get new product 0product [0] is comming,received by [A]!producer luke get new product 1product [1] is comming,received by [A]!producer luke get new product 2product [2] is comming,received by [A]!producer luke get new product 3product [3] is comming,received by [A]!producer luke get new product 4product [4] is comming,received by [A]!'''
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

迭代器

什么是迭代器

迭代是一個重復(fù)的過程，每次重復(fù)即一次迭代，并且每次迭代的結(jié)果都是下一次迭代的初始值，

• 為何要有迭代器：對于序列類型：字符串、列表、元組，我們可以使用索引的方式迭代取出其包含的元素；但對于字典、集合、文件等類型是沒有索引的，若還想取出其內(nèi)部包含的元素，則必須找出一種不依賴于索引的迭代方式，這就是迭代器
• 什么是可迭代對象：可迭代對象指的是內(nèi)置有__iter__()方法的對象，即obj.__iter__()
• 什么是迭代器對象：可迭代對象執(zhí)行obj.__iter__()得到的結(jié)果就是迭代器對象；而迭代器對象指的是即內(nèi)置有__iter__又內(nèi)置有__next__方法的對象。
• 文件類型是迭代器對象
  open('a.txt').__iter__()
open('a.txt').__next__()

優(yōu)點：

• 提供一種統(tǒng)一的、不依賴于索引的迭代方式
• 惰性計算，節(jié)省內(nèi)存

缺點：

• 無法獲取長度（只有在next完畢才知道到底有幾個值）
• 一次性的，只能往后走，不能往前退

再論for循環(huán)

for循環(huán)的工作原理：

• 1、執(zhí)行in后對象的dic.__iter__()方法，得到一個迭代器對象iter_dic
• 2、執(zhí)行next(iter_dic)，將得到的值賦值給k,然后執(zhí)行循環(huán)體代碼
• 3、重復(fù)過程2，直到捕捉到異常StopIteration，結(jié)束循環(huán)

可以直接作用于for循環(huán)的數(shù)據(jù)類型有以下幾種：

• 一類是集合數(shù)據(jù)類型，如list、tuple、dict、set、str等；
• 一類是生成器generator，包括生成器和帶yield的generator function。

這些可以直接作用于for循環(huán)的對象統(tǒng)稱為可迭代對象：Iterable?？梢允褂?code>isinstance()判斷一個對象是否是Iterable對象：

生成器不但可以作用于for循環(huán)，還可以被next()函數(shù)不斷調(diào)用并返回下一個值，直到最后拋出StopIteration錯誤表示無法繼續(xù)返回下一個值了。

• 可以被next()函數(shù)調(diào)用并不斷返回下一個值的對象稱為迭代器：Iterator。
• 可以使用isinstance()判斷一個對象是否是Iterator對象：

>>> from collections import Iterator>>> isinstance((x for x in range(10)), Iterator)True>>> isinstance([], Iterator)False>>> isinstance({}, Iterator)False>>> isinstance('abc', Iterator)False
1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9

迭代器對象的使用

由for循環(huán)開始，繞了一圈又回到了for循環(huán)，中間引申出列表生成式、生成器、迭代器，它們之間的關(guān)系我已經(jīng)寫完了，感覺自己又進步一點了，再接再厲。