目录

一、生成器

1、生成器定义

2、生成器存在的意义

3、创建生成器方式一（生成器表达式）

4. 创建生成器方式二（生成器函数）

1. 生成器函数

2. 生成器函数的工作原理

5. 总结

1. 什么是生成器

2. 生成器特点

二、迭代器

1、概念

2、可迭代对象和迭代器区别

 3、for循环本质

4、创建一个迭代器

三、动态添加属性和方法

1、动态编程语言定义

2、运行过程中给对象添加属性和方法

3、给类动态添加静态方法以及类方法

四、限制动态添加

1、slots

1.  __slots__的作用

2. 对动态添加成员变量、成员方法有限制

3. 对动态添加类属性、类方法没有限制

---

一、生成器

1、生成器定义

        在Python中，一边循环一边计算的机制，称为生成器：generator

2、生成器存在的意义

        列表所有数据都在内存中，如果有海量数据的话将会非常消耗内存。

        例如：仅需要访问前面几个元素，那后边所有空间就浪费了

        如果列表元素按照某种算法推算出来，就可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的 list ，从而节省大量的空间。

3、创建生成器方式一（生成器表达式）

        生成器表达式很简单，只要把一个列表推导式的 [] 改成 () ，就创建了一个生成器(generator)：

L = [x * x for x in range(10)]  #推导式
print(L)
g = (x * x for x in range(10)) #加成括号就是生成器
print(g)
#<generator object <genexpr> at 0x1022ef630>
'''L是一个list，而g则是一个 generator'''

4. 创建生成器方式二（生成器函数）

1. 生成器函数

• 如果一个函数中包含了 yield 关键字，那么这个函数就不再是一个普通的函数，调用函数就是创建了一个生成器（generator）对象
• 生成器函数：利用关键字 yield 一次性返回一个结果，阻塞，重新开始

2. 生成器函数的工作原理

• 生成器函数返回一个迭代器，for循环对这个迭代器不断调用 __next__() 函数，不断运行到下一个 yield 语句，一次一次取得每一个返回值，直到没有 yield 语句为止，最终引发 StopIteration 异常
•  yield 相当于 return 返回一个值，并且记住这个返回的位置，下次迭代时，代码从 yield 的下一条语句(不是下一行)开始执行
•  send() 和 next() 一样，都能让生成器往下走一步（下次遇到 yield 停），但 send() 能传一个值，这个值作为 yield 表达式整体的结果

测试生成器工作原理（yield）

'''
如果一个函数中包含 yield 关键字，那么这个函数就不再是一个普通函数，
调用函数就是创建了一个生成器（generator）对象

生成器函数：其实就是利用关键字 yield 一次性返回一个结果，阻塞，重新开始

原理
1. 函数有了yield之后，调用它，就会生成一个生成器
2. 下次从下一个语句执行，切记不是下一行（tmp = yield i）
3. return在生成器中代表生成器种植，直接报错：StopIeratation
4. next方法作用：唤醒并继续执行
'''
def test():
    print("start")
    i = 0
    while i<3:
        '''yield i #第一次执行，此处挂起；同时将i的值返回到i
                   #第二次执行，从挂起的地方往下执行'''
        temp = yield i #下次迭代时，代码从`yield`的下一条语句(不是下一行)开始执行
        print(f"i:{i}")
        i += 1
    print("end")
    return "done"
if __name__ == '__main__':
    a = test()
    print(type(a))
    print(a.__next__())
    print(a.__next__())
    print(a.__next__())
    print(a.__next__())# 抛出异常：StopIteration
'''
<class 'generator'>
start
0
temp:None
1
temp:None
2
temp:None
end
Traceback (most recent call last):
 in <module>
    print(a.__next__())# 抛出异常：StopIteration
StopIteration: done
'''

测试生成器工作原理（send）

'''
send的作用是唤醒并继续执行，发送一个信息到生成器内部
'''
def foo():
    print("start")
    i = 0
    while i < 2:
        temp = yield i
        print(f"temp:{temp}")
        i += 1
    print("end")

g = foo()
print(next(g))  #等同g.__next__(),next是内置函数
print("*"*20)
print(g.send(100))
print(next(g))
# for a in g:#g所返回的值是yield处的i
#     print(a)
'''
start
0
********************
temp:100
1
temp:None
end
Traceback (most recent call last):
    print(next(g))
StopIteration
'''

5. 总结

1. 什么是生成器

        生成器仅仅保存了一套生成数值的算法，并且没有让这个算法现在就开始执行，而是我什么时候调用它，它什么时候开始计算一个新的值，并给你返回

2. 生成器特点

•  生成器函数生成一系列结果。通过 yield 关键字返回一个值后，还能从其退出的地方继续运行，因此可以随时产生一系列的值。
• 生成器和迭代是密切相关的，迭代器都有一个 __next__() 成员方法，这个方法要么返回迭代的下一项，要么引起异常结束迭代。
• 生成器是一个特殊的程序，可以被用作控制循环的迭代行为，

二、迭代器

1、概念

1. 迭代是Python最强大的功能之一，是访问集合元素的一种方式
2. 迭代器是一个可以记住遍历的位置的对象
3. 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
4. 迭代器只能往前不会后退
5. 迭代器有两个基本的方法： iter() 和 netx() 

2、可迭代对象和迭代器区别

1. 一个实现了 iter 方法的对象，称为 "可迭代对象 Ieratable"
2. 一个实现了 next 方法并且是可迭代的对象，称为"迭代器" Iterator                                            即：实现了 iter 方法和 next 方法的对象就是迭代器

 ！生成器都是 Iterator对象，但 list 、 dict 、str 虽然都是 Iterable（可迭代对象），              却不是Iterator（迭代器）

'''
生成器一定是迭代器
可迭代对象不一定是迭代器，使用iter([])封装后可转为迭代器
'''
from collections.abc import Iterator
from collections.abc import Iterable
a = isinstance([], Iterator) #list、dict、str虽然是Iterable（可迭代对象），却不是Iterator（迭代器）
print(a)
a = isinstance([], Iterable) #可迭代对象
print(a)
"""
执行结果：
False
True

"""

'''list、dict、str 等 Iterable 变成 Iterator，可以使用 iter() 函数：'''
b = isinstance(iter([]), Iterator)
print(b)
b = isinstance(iter('花非人陌'), Iterator)
print(b)

"""
执行结果：
True
True
"""

        Python的 Iterator 对象表示的是一个数据流。可以把这个数据看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过 next() 函数实现按需计算下一个数据，所以 Iterator 的计算是惰性的，只有在需要返回下一个数据时它才会计算。

        所以，生成器一定是迭代器。

 3、for循环本质

#Python3 的 for 循环本质就是通过不断调用 next() 函数实现的。

for x in [1,2,3,4,5]:
    pass

'''本质是：'''
#首先获得Iterator对象：
it = iter([1,2,3,4,5])
#循环
while True:
    try:
        # 获得下一个值：
        x = next(it)
    except StopIteration:
        # 遇到StopIteration 就退出循环
        break

4、创建一个迭代器

一个类作为一个迭代器使用需要在类中实现两个方法 __iter__() 与 __next__()

1.  __iter__() 方法返回一个特殊的迭代器对象，这个迭代器对象实现了 __next__() 方法并通过StopIteration 异常标识迭代的完成
2.  __next__() 方法会返回下一个迭代器对象

#创建一个依次返回10,20,30,...这样数字的迭代器
class MyNumbers:
    def __iter__(self):
        self.num = 10
        return self

    def __next__(self):
        if self.num < 40:
            x = self.num
            self.num += 10
            return x
        else:
            raise StopIteration

myclass = MyNumbers()
myiter = iter(myclass)
print(next(myiter))
print(next(myiter))
print(next(myiter))
print(next(myiter))
"""
执行结果：
10
20
30
Traceback (most recent call last):
    raise StopIteration
StopIteration
"""
"""
程序解析：
在这段代码中，MyNumbers 类定义了一个迭代器。该迭代器的作用是生成一系列数字，从 10 开始，每次增加 10，直到 40，然后停止。

在程序中，通过 iter(myclass) 方法获取 MyNumbers 类的迭代器对象 myiter，然后调用 next(myiter) 方法获取下一个数字。

在第一次调用 next(myiter) 方法时，迭代器会执行 __next__() 方法，返回 self.num 的值 10，然后将 self.num 的值增加 10，变为 20。

在第二次、第三次调用 next(myiter) 方法时，迭代器会再次执行 __next__() 方法，返回 20 和 30，然后将 self.num 的值分别增加 10，变为 30 和 40。

在第四次调用 next(myiter) 方法时，迭代器再次执行 __next__() 方法，发现 self.num 的值已经大于等于 40，于是抛出 StopIteration 异常，表示迭代已经结束。
"""

三、动态添加属性和方法

1、动态编程语言定义

        指在运行时可以改变其结构的语言：例如新的函数、对象、甚至代码可以被引进，

已有的函数可以被删除或是其他结构上的变化

2、运行过程中给对象添加属性和方法

#coding=utf-8
import types
class Person():
    def __init__(self, name, age):
        self.name = name
        self.age = age

p1 = Person("zhangsan", 20)
p2 = Person("lisi", 18)
#动态给对象添加属性和方法
p1.score = 100
print(p1.score) #加给p1的只能p1用,对象的也是一样

#动态给对象添加方法
def run(self):
    print(f"{self.name}, running...")
p1.run = types.MethodType(run, p1)
#而types.MethodType(run,p1)则是告诉解释器，self指的就是p1
p1.run()
"""
执行结果：
100
zhangsan, running...
"""

3、给类动态添加静态方法以及类方法

#encoding=utf-8
class Person():
    __slots__ = {"name", "age"}
    def __init__(self, name, age):
        self.name = name
        self.age = age

@staticmethod
def staticfunc():
    print("--- static method ---")

Person.staticfunc = staticfunc
Person.staticfunc()
Person.score = 1000 #动态给对象静态方法
print(Person.score)

@classmethod
def clsfunc(cls):
    print('--- cls method ---')
Person.clsfunc = clsfunc    #动态增加类方法
Person.clsfunc()

四、限制动态添加

1、slots

1.  __slots__的作用

1. __slots__ 对动态添加成员变量、成员方法有限制。对动态添加类属性、类方法没有限制
2. __slots__ 只对本类有限制，不限制子类

2. 对动态添加成员变量、成员方法有限制

'''
MyClass 类使用 __slots__ 属性限制了实例对象的属性，只允许动态添加 x 属性。
因此，obj.x = 1 可以成功，但是 obj.y = 2 会抛出 AttributeError 异常
'''
class MyClass:
    __slots__ = ['x']


obj = MyClass()
obj.x = 1  # 可以动态添加 x 属性
obj.y = 2  # 报错，__slots__ 限制了不能动态添加 y 属性
"""
执行结果：
AttributeError: 'MyClass' object has no attribute 'y'
"""

3. 对动态添加类属性、类方法没有限制

class MyClass:
    __slots__ = ['x']
    classattr = 1

    @classmethod
    def myclassmethod(cls):
        print("class method")


MyClass.newclassattr = 2  # 可以动态添加类属性
print(MyClass.newclassattr)
MyClass.mynewclassmethod = lambda cls: print("new class method")  # 可以动态添加类方法
MyClass.mynewclassmethod(MyClass)   #传递类本身作为参数
obj = MyClass()
obj.x  = 3    # 可以动态添加实例属性
print(obj.x)  # 可以动态添加 x 属性
"""
执行结果：
2
new class method
3
"""