10分鐘了解Python黑魔法 Yield、Iterator、Generator
今天，我們來討論Python的yield、Iterator和generator，它們可以在許多教程中看到，但總是引起一些混淆。
今天，我們來討論Python的yield、Iterator和generator，它們可以在許多教程中看到，但總是引起一些混淆。
就像decorators一樣，這三個概念是緊密聯系在一起的。例如，如果你想知道什么是yield，你必須首先了解什么是generator。但在理解generator之前，你又必須理解iterator是什么，但在理解iterator之前，您必須要知道iterable對象是什么。他們的關系如下圖：
Iterables 可迭代的
可迭代是指能夠通過迭代的方法遍歷的對象，比如列表、字符串、元組、字典、集合等等。簡單的例子：
mylist = [1, 2, 3]
for i in mylist:
print(i)可迭代對象如何工作？
讓我們看看Python解釋器在遇到迭代操作時如何處理迭代，例如for ... in x
- 調用 iter(x) 函數
- 檢查對象是否實現了 _iter__ 方法，如果實現了，則調用它以獲取迭代器；
- 如果未實現 _iter__ 方法，但實現了_getitem__ 方法，Python將創建一個迭代器并嘗試按順序獲取元素（從索引0開始）；
- 如果兩個方法都未實現，將拋出TypeError異常，指示無法迭代該對象。
因此具有 __iter__ 方法或 __getitem__方法的對象通常稱為可迭代對象。
如何判斷一個對象是否可迭代？
- 方法一：使用dir函數，檢查對象是否實現了__iter__ 或者 __getitem__方法。
mylist = [1, 2, 3]
mylistMethod = dir(mylist)
print(mylistMethod) #查看mylist的方法
print('__iter__' in dir(mylist) or '__getitem__' in dir(mylist)) # True- 方法二：使用isinstance函數，檢查對象是否是Iterable類型。
from collections import Iterable
mylist = [1, 2, 3]
print(isinstance(mylist, Iterable)) # TrueIterator 迭代器
迭代器是一個包含可數數量值的對象。它可以迭代，這意味著您可以遍歷所有值。讓我們看一個迭代器示例：
for i in range(5):
print(i) # 0 1 2 3 4像這樣，一個個打印元素的過程就叫可迭代的，這個過程也是我們日常代碼編寫中接觸最多的操作。
簡單來說，帶有next()方法的可迭代對象就是一個迭代器，或者說一個可迭代對象和一個迭代器的關系是：Python從一個可迭代對象中獲取一個迭代器。具體關系如下圖：
所以上面提到的列表、字符串等不是迭代器。但是，您可以使用Python內置 iter()函數來獲取它們的迭代器對象。讓我們使用迭代器模式來重寫前面的例子：
mylist = [1,2,3]
it = iter(mylist) # 獲取迭代器對象
while True:
try:
print(next(it))
except StopIteration:
print("Stop iteration!")
break在上面的代碼中，我們首先使用iterable對象mylist來構造迭代器it，并不斷調用迭代器上的next()函數來獲取下一個元素。如果沒有字符，迭代器將拋出 StopIteration 異常并退出循環。
Generator 生成器
Python 提供了一個生成器來創建迭代器函數。生成器是一種特殊類型的函數，它不返回單個值，而是返回一個包含一系列值的迭代器對象。在生成器函數中，使用 yield 語句而不是 return 語句。
現在我們已經知道for循環背后的機制了，但是如果數據量太大，比如for i in range(1000000)，使用for循環將所有的值存儲在內存中不僅占用大量的存儲空間 但是如果我們只需要訪問前幾個元素，空間就浪費了。在這種情況下，我們可以使用 generator 。
生成器的思路是，我們不需要一次性把這個列表全部創建出來，只需要記住它的創建規則，然后在需要用到的時候，再一次次的計算和創建。我們來看一個例子：
my_generator = (x*x for x in range(10))
for i in my_generator:
print(i) # 0 1 4 9 16 25 36 49 64 81my_generator 是一個生成器，它的每一個元素都是一個生成器對象。我們可以使用 next()函數來獲取下一個元素。
Yield 產生器
簡單來說，你可以把yield當成return，但它返回的是一個生成器。記住，剛開始學習的時候不需要了解這個yield是什么，但是一定要了解它的運行機制！讓我們看一下下面的代碼片段：
def test():
print("First")
yield 1
print("Second")
yield 2
print("Third")
yield 3
my_generator = test() # 創建生成器
print(type(my_generator)) # <class 'generator'>我們可以在這里看到如果一個函數使用 yield 作為返回值，那么它就變成了一個生成器函數。與普通函數不同，生成器函數被調用后，函數體中的代碼不會立即執行（執行my_generator=test()后不打印任何值），而是返回一個生成器！正如我們前面提到的：generator 是迭代器，而 yield 可以被視為 return ，不難猜測下面代碼的結果：
def test():
print("First")
yield 1
print("Second")
yield 2
print("Third")
yield 3
for item in test():
print(item)
# 輸出：
"""
First
1
Second
2
Third
3
"""next 函數是如何運行的？
def test():
print("First")
yield 1
print("Second")
yield 2
print("Third")
yield 3
my_generator = test() # 創建生成器
a = next(my_generator) # First
print(a) # 1
b = next(my_generator) # Second
print(b) #
c = next(my_generator) # Third
print(c) # 3
d = next(my_generator) # StopIteration
print(d) # error每次調用next(my_generator)，只跑到yield位置就停止，下次再跑，從上次結束的位置開始！并且生成器的長度取決于在函數中定義 yield 的次數。看起來也很好理解呢。
如果理解了上面的 yield 函數示例，讓我們繼續看一個更復雜的示例，該生成器可以接受參數。
def simple_gen(a):
print('-> Started: a =', a)
b = yield a
print('-> Received: b =', b)
c = yield a + b
print('-> Received: c =', c)
gen = simple_gen(14)
next(gen) # -> Started: a = 14
next(gen) # ？
next(gen) # ？運行結果如圖：
發生了什么？？從第一次 next(gen) 調用開始，它在 yield a 處停止，然后當您再次調用 next(gen) 時，b 實際上是 None 值，這導致了異常。
b 為什么是 None 值？因為我們在 yield a 處沒有接收到任何值，所以 b 就是 None 值。要想接收值，
要繼續，您需要使用 send() 函數：生成器發送（值）恢復執行并將值“發送”到生成器函數中。value 參數成為當前 yield 表達式的結果。send() 方法返回生成器生成的下一個值，或者如果生成器退出而沒有生成另一個值則引發 StopIteration。
怎么理解send() 函數？一個帶參數的 next()，接收參數，執行yield，然后返回值。
def simple_gen(a):
print('-> Started: a =', a)
b = yield a
print('-> Received: b =', b)
c = yield a + b
print('-> Received: c =', c)
gen = simple_gen(14)
next(gen) # -> Started: a = 14
gen.send(15) # Received: b = 15 # send 15 to generator，并執行下一步 send包含next的yield總結
小思考：
- yield 和 return 的區別，你理解了么？
- yield, generator 和 iterator 的區別和聯系，你理解了么？
