https://www.cnblogs.com/yuanchenqi/articles/5769491.html
1. 列表生成式
我现在有个需求，看列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],我要求你把列表里的每个值加三次方，你怎么实现？你可能会想到2种方式
a=[0,1,2,3,4,5,6,7,8,9]
b=[]
for i in a:
b.append(i+1)
a=b
print(a)
普通版本
a=map(lambda x:x+1,range(10))
print(a,type(a))
for i in a:
print(i) 输出结果：
<map object at 0x0272A4D0> <class 'map'>
1
2
3
4
5
6
7
8
9
10
文艺版本
（1）
t=[0,1]
a,b=t
print(a)
print(b)
输出结果：
0
1
（2）
t=[0,1,2]
a,b=t
print(a)
print(b)
输出结果：
ValueError: too many values to unpack (expected 2)
（3）
t=[0,1]
a,b,cc=t
print(a)
print(b)
print(c)
输出结果：
ValueError: not enough values to unpack (expected 3, got 2)
小知识点
def f(n):
return n**3
a=[f(x) for x in range(10)]
print(a,type(a)) 等价于
a=[x**3 for x in range(10)]
print(a,type(a))
输出结果：
[0, 1, 8, 27, 64, 125, 216, 343, 512, 729] <class 'list'>
装逼版本
2. 生成器（generator）
生成器的创建方式有两种：（）和yield
a=(x**3 for x in range(10))
print(a,type(a)) 等价于
def f(n):
return n**3
a=(f(x) for x in range(10))
print(a,type(a)) 输出结果：
<generator object <genexpr> at 0x02DC34B0> <class 'generator'>
简单生成器之（）生成演示
生成器数据类型的变量指向的内存地址，根本就没有任何数据在内存中，也没有存储在任何地方。
（类比理解：列表是将数据存储在变量指向的内存空间的，这就相当于你冰箱里面放了十道菜，你想吃哪个就去拿，这是占用一定的空间的，为了解决这个问题，我们有了生成器，就好比你拥有了一个有脾气的厨师，让厨师给你现做现吃，做哪个你就吃哪个好了，在生成器s中可以用生成器内置方法s.__next__()或者python内置函数next(s)这个方法按顺序生成值，这取决于你生成器的本身的特性。建议使用next（s））
生成生成器对象里面的值
a=(x*2 for x in range(10))
print(a,type(a))
print(a.__next__())
print(next(a))
print(next(a))
print(next(a))
输出结果：
<generator object <genexpr> at 0x028B34B0> <class 'generator'>
0
2
4
6
next（）生成值
注：生成器就是一个可迭代对象，迭代器也是可迭代对象
a=(x*2 for x in range(4))
print(a,type(a)) for i in a:
print(i) 输出结果：
0
2
4
6
遍历生成器
注：（1）for循环可遍历可迭代对象，有__iter__方法的都是可迭代对象内部的方法，iter（）是内置函数
（2）for循环遍历可迭代对象的三个步骤：
- 调用可迭代对象的iter方法，返回一个迭代器对象
- 不断调用迭代器的next方法
- 处理stopiteration异常
while：
try：
i=next(generator)
except StopIteration
break
（3）当内存中的数据，没有变量引用的时候（即没有变量指向该内存地址），该数据就会被python的解释器当垃圾清除掉
这样就算遍历生成器，也不会占用大量内存，因为i的指向一直在更新，没有被引用的数据就会被清除
def f():
print('Hello')
yield 1
print('Ok')
yield 2
g=f()
print(g,type(g))
输出结果：
<generator object f at 0x033634B0> <class 'generator'>
简单生成器之yield生成演示
注：没有yield就是普通的函数，有yeild，定义的函数f()就是一个生成器对象,有几个yield就相当于几道菜。
生成生成器对象里面的值
def f():
print('Hello')
yield 1
print('Ok')
yield 2
g=f()
next(g)
next(g)
输出结果：
Hello
Ok
next（）
注：
（1）每调用一次next（g），就执行一遍g函数，以yield为结束点，返回1（相当于return结束函数的运行），再执行一遍next（g）,以上次的结束点为起点，继续执行g函数，并返回2
（2）可通过yield实现在单线程的情况下实现并发运算的效果，即伪并发，CPU切换速度特别快，以至于我们不觉得有切换这一过程
def f():
print('Hello')
yield 1
print('Ok')
yield 2
g=f() for i in g:
print(i)
输出结果：
Hello
1
Ok
2
for循环遍历生成对象
注：for循环遍历生成对象g，以yield结束标志执行函数内容，并打印出了yield返回值
def fibo(N):
Max=N
n,before,after=0,0,1
while n<Max:
# print(after)
yield after
before,after=after,before+after
n+=1
g=fibo(8)
# print(next(g))
# print(next(g))
# print(next(g))
for i in g:
print(i)
yield生成斐波那契数列
生成器对象的send方法
def fibo(N):
Max=N
n,before,after=0,0,1
while n<Max:
# print(after)
count=yield after
print(count)
before,after=after,before+after
n+=1
g=fibo(8) g.send(None) #相当于next(g)，先进入生成器对象，遇到yield，返回after后结束
g.send('eee') #从上一次结束点开始，继续程序，将send的参数赋值给count，继续执行后面的语句，直到再次遇到yield
输出结果：
eee
send方法传参数
注：进入生成器后（next，send（None））再能send传参数
3. 迭代器（iterator）
生成器都是迭代器，迭代器不一定是生成器；
可迭代对象（Iterable）不一定是迭代器(Iterator)，通过iter方法可以把可迭代对象变成迭代器（迭代器对象），这是因为可迭代对象里面有__iter__方法。
什么是迭代器：需要满足两个条件：（1）有iter方法（2）有next方法
from collections import Iterable,Iterator
d=[1,2,3,4,5,6]
a=iter(d)
print(a,type(a))
# print(next(a))
# # print(next(a))
# for i in a:
# print(i)
print(isinstance(d,Iterable)) #判断d是不是可迭代对象
print(isinstance(d,list)) #判断d是不是列表
print(isinstance(d,Iterate)) #判断的是不是迭代器
迭代器
