扁平化网站配色无锡百度信息流
1.迭代器（Iterator）
概念：
迭代意味着重复多次，就像循环一样。
迭代器是一个可以记住遍历的位置的对象。
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
迭代器只能往前不会后退。
1.iter()：返回迭代器自身。2.next()：返回容器的下一个元素，如果没有元素了，抛StopIteration异常。也可以使用内置函数
next，next(it)和it.next()等效。1、可迭代对象（Iterable）
可以被用作如for循环之中对象通常都是可迭代的。
其中一些包括：所有的序列类型，如：list，str，tuple。
集合类型，如：set，frozenset。
映射类型，如：dict。
文件对象和其他满足迭代协议的对象（即实现了iter方法或者getitem方法）
2、不可迭代对象
那些不支持迭代协议的对象都是非迭代对象，常见的有：数字类型：int，float ...
#[1.list]
#列表是可迭代的
my_list=[1,2,3]
for item in my_list:print(item)
'''
会依次打印1,2,3
'''
#[2.string]
#字符串也是可迭代的
my_string="hello"
for char in my_string:print(char)
'''
会依次打印'h','e','l','l','o'
'''
#[3.dict]
#字典是可迭代的，迭代的是它的键
my_dict={'a':1,'b':2}
for key in my_dict:print(key)
'''
#会依次打印'a','b'
'''
#[4.int]
#数字是非可迭代的
my_number=10
print(my_number.__iter__)#报错#[5.float]
#浮点类型是非可迭代的
float_number=0.34
print(float_number.__iter__)#报错2、生成器
1、概念：
Python中一种特殊类型的迭代器，本质上是可以记住执行位置的函数。
生成器使用yield语句来生成一个值序列，不是一次性地产生一个完整的数据集并返回。
2、特点：
1.与迭代器类似，生成器也支持惰性计算，它们一次只生成一个项目
2.在每次产生输出之后，其状态会被挂起，直到下一次使用next()函数或for循环请求下一个值
3.当生成器函数执行完成时，或者遇到无法再产生新值的条件时，会抛出StopIteration异常
4.使用生成器函数定义生成器
5.生成器是通过在函数中使用yield关键字来定义的。
每当yield语句运行时，它会返回一个值，并在此时挂起函数的状态，包括局部变量、指针位置等。下一次调用时，它会从中断点继续执行
3、实例：
1、简单生成器函数
def count_up_to(max):count=1
while count<=max:yield countcount+=1
#创建生成器
counter=count_up_to(5)
#使用next()获取值
print(next(counter))#输出1
print(next(counter))#输出2
#可以继续调用next()获取剩余的值，或者使用for循环
for number in counter:print(number)
#输出3 4 5
'''在这个示例中，生成器函数count_up_to接受参数max并计数到这个值。
每次yield被调用，它就会产生当前的计数值，
并在下一次调用时从上次离开的地方继续执行。'''2、生成器表达式
#使用生成器表达式创建生成器
gen_exp=(x*x for x in range(4))
#使用for循环迭代生成器
for num in gen_exp:print(num)
#依次打印0,1,4,9
'''
生成器表达式看起来类似于列表推导，
但使用圆括号而不是方括号。
它们非常适合于简单
的场景，
其中一个完整的生成器函数可能显得过于冗长。'''3、yield关键字
用于定义生成器函数中的一个位置，这里会产出（yield）一个值给调用者，并暂停函数的执行，直到下一次通过next()来请求另一个值。
当生成器函数中执行到一个yield表达式时，它会返回该表达式后面的值给生成器的调用者，并暂停执行（所有局部变量和状态都会被保留）。
yield的挂起的函数执行可以在下一次调用next()或迭代时继续从上次暂停的位置恢复。
def simple_generator():print("Stage1")yield 1print("Stage2")yield 2print("Stage3")yield 3
gen=simple_generator()
#每次调用next()时，生成器从上次暂停的地方开始，直到遇到下一个yield
val=next(gen)
#输出"Stage1"，返回1
val=next(gen)
#输出"Stage2"，返回2总结生成器的特点：
内存效率：可以用于无法放在内存中的大型数据集。
改善性能：惰性计算意味着只有在必要时才计算值，可以减少不必要的计算节省计算资源。
简洁性：使用生成器和生成器表达式，可以使代码更简洁易懂。
适用于管道处理：生成器可以被链式结合，用于构建复杂的数据管道。