# 迭代器和生成器
1.可迭代对象：在逻辑上它保存了一个序列，在迭代环境中依次返回序列中的一个元素值。
>可迭代对象不一定是序列，但是序列一定是可迭代对象
2.迭代协议：`.__next__()`方法。
* 任何对象只要实现了迭代协议，则它就是一个迭代器对象
* 迭代器对象调用`.__next__()`方法，会得到下一个迭代结果
* 在一系列迭代之后到达迭代器尾部，若再次调用`.__next__()`方法，则会触发`StopIteration`异常
* 迭代器在Python中是用C语言的速度运行的，因此速度最快
3.Python3提供了一个内置的`next()`函数，它自动调用迭代器的`.__next__()`方法。即给定一个迭代器对象`x`，`next(x)`等同于`x.__next__()`
4.内置的`iter()`函数用于从序列、字典、`set`以及其他可迭代对象中获取迭代器。
* 对任何迭代器对象`iterator`，调用`iter(iterator)`返回它本身
* 迭代器对象实现了迭代协议
* 文件对象本身是一个迭代器对象。即文件对象实现了迭代协议，因此打开多个文件会返回同一个文件对象
* 列表、元组、字典、`set`、字符串等不适迭代器对象，他们没有实现迭代协议。因此每次调用`iter()`均返回一个新迭代器对象。他们支持安装多个迭代器，每个迭代器状态不同
* 在原地修改列表、`set`、字典时，会实时反映到它们的迭代器上
5.文件迭代器：文件对象本身是一个迭代器（这里文件对象要是读打开）。它的`.__next__()`方法每次调用时，返回文件中的下一行。当到达文件末尾时，`.__next__()`方法会引发`StopIteration`异常。
>`.readline()`方法在到达文件末尾时返回空字符串
6.字典的迭代器：字典的迭代器在迭代环境中，每次迭代返回的是一个键。
7.扩展的列表解析表达式：
`[ x+y for x in 'abc' if x!='a' for y in 'lmn' if y!='l']`
其通用结构为：
```
[ expression for target1 in iterable1 [if condition1]
for target2 in iterable2 [if condition2]
....]
```
>我们总是可以用`for`循环手动构建列表解析表达式的结果，但是列表解析表达式性能更好
8.`for`循环、列表解析、`in`成员关系测试、`map()`内置函数、`sorted()`内置函数、`zip()`内置函数等都是用迭代协议来完成工作
9.常见的迭代函数：
* `map(func,iterable)`：它将函数`func`应用于传入的迭代器的每个迭代返回元素，返回一个新的迭代器，函数执行结果作为新迭代器的迭代值
> `map()`可以用于多个可迭代对象：`map(func,[1,2,3],[2,3,4])`，其中`func(first,second)` 的两个参数分别从两个可迭代对象中获取，函数结果作为新迭代器的迭代值
* `zip(iterable1,iterable2,...)`：它组合可迭代对象`iterable1`、`iterable2`、`...`中的各项，返回一个新的迭代器。新迭代器长度由`iterable1`、`iterable2`、`...`最短的那个决定。
* `enumerate(iterable,start)`：返回一个迭代器对象，它迭代结果是每次迭代返回一个`(index,value)`元组
* `filter(func,iterable)`：返回一个迭代器对象，它的迭代结果得到`iterable`中部分元素，其中这些元素使得`func()`函数返回为真
* `reduce(func,iterable,initial)`：对`iterable`中每一项成对地运行`func`，返回最终值
> `reduce`函数位于`functools`包内
* `sorted(iterable,key=None,reverse=False)`：排序并返回排好的新列表
* `sum(iterable,start)`：返回可迭代对象中的累加值
* `any(iterable)`：只要可迭代对象`iterable`迭代返回的某个元素为真则返回`True`
* `all(iterable)`：只有可迭代对象`iterable`迭代返回的所有元素为真则返回`True`
* `max(iterable,key=func)`：返回最大元素。若指定`func`，则返回是`func(num)`最大的那个元素
* `min(iterable,key=func)`：返回最小元素。若指定`func`，则返回是`func(num)`最小的那个元素
10.`set`解析、字典解析支持列表解析的扩展语法
11.Python3中，`range`对象不支持`.__next__()`，因此它本身不是迭代器，而`map`、`zip`、`filter`对象都是迭代器。
* `range`不直接生成列表的优点是节约内存空间
* 由于`map`、`zip`、`filter`对象都是迭代器，因此不支持在它们身上安装多个活跃的迭代器。对他们调用`iter()`其实返回的是它们本身。
12.字典的视图：键视图、值视图、字典视图都没有`.__next__()`方法，因此他们都不是迭代器
13.通常列表解析执行速度最快，`map()`速度次之，`for`循环速度最慢。前两者以C语言速度执行、后者在Python虚拟机上执行
14.生成器函数：编写为常规的`def`语句，但是用`yield`语句一次返回一个结果。每次使用生成器函数时会继续上一轮的状态。
>生成器函数会保存上次执行的状态
定义生成器函数的语法为：
```
def genFunc(num):
for i in range(num):
yield i**2
```
* 生成器函数执行时，得到一个生成器对象，它`yield`一个值，而不是返回一个值。
* 生成器对象自动实现迭代协议，它有一个`.__next__()`方法
* 对生成器对象调用`.__next__()`方法会继续生成器函数的运行到下一个`yield`
结果或引发一个`StopIteration`异常
* `yield`语句会挂起生成器函数并向调用者发送一个值。当下一轮继续时，函数会在上一个`yield`表达式返回后继续执行，其本地变量根据上一轮保持的状态继续使用
* 生成器函数运行代码随时间产生一系列的值，而不是一次性计算它们。这会节约内存并允许计算时间分散。
15.`for`循环（及其它迭代环境）通过重复调用`.__next__()`方法直到捕获一个异常。若一个不支持迭代协议的对象想用工作在这种环境中，`for`循环会尝试使用索引协议迭代。
16.生成器对象有一个`.send(arg)`方法。该方法会将`arg`参数发送给生成器作为`yield`表达式的返回值，同时生成器会触发生成动作(相当于调用了一次`.__next__()`方法。
> `yield`表达式的返回值和生成值是不同的。
> 返回值是用于生成器函数内部，`yield`表达式默认返回值为`None`；
> 而生成值是用于生成器函数外部的迭代返回。
* 生成器对象必须先启动。启动意味着它第一次运行到`yield`之前挂起
* 要想启动生成器，可以直接使用`next(generatorable)`函数，也可以使用`generatorable.send(None)`方法，或者
`generatorable.__next__()`方法
>`next(generatorable)`函数相当于使用`generatorable.send(None)`方法
* `generatorable.send(None)`方法会在传递`yield`表达式的值（默认为`None`返回值），下一轮迭代从`yield`表达式返回开始
>每一轮挂起时，`yield`表达式 yield 一个数，但是并没有返回（挂起了该`yield`表达式）
17.生成器表达式：类似于列表解析，但是它是在圆括号中的，而不是方括号中的。
* 生成器表达式返回的是一个生成器对象
* 列表解析的结果等同于`list()`内参数为一个生成器表达式
* 当生成器表达式在其他括号之内时，它本身的圆括号可以不写
* 同样的迭代可以用生成器函数或者一个生成器表达式
* 生成器函数可以包含更多的逻辑
* 生成器表达式更简洁，没有函数调用产生生成器的过程
* 生成器函数与生成器表达式支持自动迭代与手动迭代
* 生成器对象本身是迭代器，因此只支持一个活跃的迭代器。
18.生成器函数可以有`return`，它可以出现在函数内任何地方。生成器函数内遇到`return`则触发`StopIteration`异常，同时`return`的值作为异常说明
19.可以调用生成器对象的`.close()`方法强制关闭它。这样再次给它`send()`任何信息，都会抛出`StopIteration`异常，表明没有什么可以生成的了
20.`yield from`：从`PEP 380`引入的新特性。
* `yield from`可以将一个大的生成器切分成小生成器：
```
def generator(): #该生成器yield数字[0~19]
for i in range(10):
yield i
for j in range(10,20):
yield j
```
如果你想切分成两个迭代器，可以这么做：
```
def generator2():
for i in range(10):
yield i
def generator3():
for j in range(10):
yield j
def generator():
for i in generator2():
yield i
for j in generator3():
yield j
```
引入`yield from`之后你可以这么做：
```
def generator2():
for i in range(10):
yield i
def generator3():
for j in range(10):
yield j
def generator():
yield from generator2()
yield from generator3()
```
* `yield from`能实现代理生成器：
```
def generator():
inner_gen=generator2()
yield from inner_gen #为了便于说明，这里分两行写
gen=generator()
```
* 对`inner_gen`迭代产生的每个值都直接作为`gen` yield值
* 所有`gen.send(val)`发送到`gen`的值`val`都会被直接传递给`inner_gen`。
* `inner_gen`抛出异常：
* 如果`inner_gen`产生了`StopIteration`异常，
则`gen`会继续执行`yield from`之后的语句
* 如果对`inner_gen`产生了非`StopIteration`异常，则传导至`gen`中，
导致`gen`在执行`yield from`的时候抛出异常
* `gen`抛出异常：
* 如果`gen`产生了除`GeneratorExit`以外的异常，则该异常直接 throw 到`inner_gen`中
* 如果`gen`产生了`GeneratorExit`异常，或者`gen`的`.close()`方法被调用，
则`inner_gen`的`.close()`方法被调用。
* `gen`中`yield from`表达式求职结果是`inner_gen`迭代结束时抛出的`StopIteration`异常的第一个参数
* `inner_gen`中的`return xxx`语句实际上会抛出一个`StopIteration(xxx)`异常，
所以`inner_gen`中的`return`值会成为`gen`中的`yield from`表达式的返回值。