今日所得
迭代器
可迭代对象
迭代器对象
for循环内部原理
生成器
生成器表达式
内会函数
面对过程编程
迭代器
迭代就是指更新换代的过程，要重复进行，而且每次的迭代都必须基于上一次的结果。
我们使用for循环的时候就是把元素从容器里一个个取出来，这种过程其实就是迭代。
迭代器：迭代取值的工具。
迭代器的作用是提供给你一种不依赖索引取值的方式。
需要迭代取值的数据类型有：字符串、列表、元组、字典、集合
迭代是重复更换的过程，每一次的更换(迭代)都是基于上一次的结果，也就是说每一次迭代都要和上次的结果有关系
迭代器：是用于迭代的工具
可以迭代取值的数据类型
字符串
列表
元组
字典
集合
可迭代对象
可以使用内置__iter__（双下划线加iter加双下划线）方法的都叫做可迭代对象
基本数据类型中的可迭代对象有
str list tuple dict set
文件对象本身就是迭代器对象（所以文件对象执行内置的__iter__之后还是本身，没有任何变化）
res = 'hello'
l = [1,2,3,4,5,6]
t = (1,2,3,4,5,6)
s = {1,2,3,4,5,6}
d = {'name':'chen','age':18,'pwd':123}
f = with open ('test.txt','w',encoding='utf-8')
res.__iter__()
l.__iter__()
t.__iter__()
s.__iter__()
d.__iter__()
f.__iter__()
文件对象（文件对象本身就是迭代器对象，执行__iter__之后还是本身，没有变化）
可迭代对象执行内置的__iter__方法后得到的就是该对象的迭代器
迭代器对象
迭代器对象有内置__iter__的方法
有内置__next__的方法
迭代器一定是可迭代对象
可迭代对象不一定是迭代器对象
迭代器对象无论执行多少次__iter__方法得到的还是迭代器对象本身
迭代器取值的特点
只能往后依次取，不能从后往前取
l=[1,2,3,4]
iter_l=l.__iter__() # 用__iter__将可迭代对象转换成一个迭代器对象
print(iter_l.__next__()) # 迭代器取值，调用__next__
print(iter_l.__next__()) # 调用一次取一个
print(iter_l.__next__())
print(iter_l.__next__())
print(iter_l.__next__()) # 如果取完了直接报错StopIteration
异常处理
while True:
try:
print(iter_d.__next__())
except StopIteration:
# print('老母猪生不动了')
break
d = {'name':'jason','password':'123','hobby':'泡m'}
iter_d = d.__iter__() # 将字典变成迭代器对象
while True:
try:
print(iter_d.__next__()) # 循环取值
except StopIteration: # 异常处理，当出现的异常和你在except后面写的一样时则继续执行下面的代码
print('取完了'
break
for循环内部原理
for循环里的in关键字，跟的是一个可迭代对象,将in后面的对象调用__iter__转换成迭代器
for循环内部的本质
1.让关键字in后面的对象使用__iter__转换成迭代器对象
2.调用__next__迭代取值
3.内部有异常捕获StopIteration，当迭代器里的元素为空时报错，自动结束循环
迭代取值的优点：1.不依赖于索引取值
2.内存中永远只占一份空间，不会导致内存溢出
迭代取值的缺点：1.不能获取指定的元素
2.迭代器里的元素取完后再取，会报StopIteration的错误
d = {'name':'jason','password':'123','hobby':'泡m'}
for i in d:
print(i)
# for 循环后面的in跟的是一个可迭代对象
生成器
用户自定义的迭代器，本质就是迭代器
当函数内有yield关键字的时候，调用该函数不会执行函数体代码，而是将函数变成生成器。
生成器函数：常规函数定义，但是，使用yield语句，而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，是挂起函数的状态，也就是下次可以接着这里执行。
def func():
print('第一次')
yield 1
print('第二次')
yield 2
# 函数内如果有yield关键字,那么在加括号执行函数的时候并不会触发函数体代码的运行，函数会暂停在yield这个地方，使用__next__就能得到yield后面的返回值
# yield既可以返回一个值也可以返回多个值,并且多个值是按照元组的形式返回的
def func():
print('first')
yield 666 # yield后面跟的值就是调用迭代器__next__方法你能得到的值
print('second')
yield 777，888,999 # yield既可以返回一个值也可以返回多个值 并且多个值也是按照元组的形式返回
yield
# 函数内如果有yield关键字,那么加括号执行函数的时候并不会触发函数体代码的运行
g=func() # 生成器初始化:将函数变成迭代器
print(g.__next__()) # 输出为666
print(g.__next__()) # 输出为(777, 888, 999)
print(g.__next__()) # 输出为None#yield
# 1.帮你提供了一种自定义生成器方式
# 2.会帮你将函数的运行状态暂停住
# 3.可以返回值
#与return之间异同点
# 相同点:都可以返回值,并且都可以返回多个
# 不同点:
# yield可以返回多次值,而return只能返回一次函数立即结束
# yield还可以接受外部传入的值#yield支持外界为其传参
def dog(name):
print('%s 准备开吃'%name)
while True:
food = yield
print('%s 吃了 %s'%(name,food))
g = dog('egon')
g.__next__() # 必须先将代码运行至yield 才能够为其传值
g.send('狗不理包子') # 给yield左边的变量传参 触发了__next__方法
g.send('饺子')
>>>:egon 准备开吃
egon 吃了 狗不理包子
egon 吃了 饺子
生成器表达式
res = (i for i in range(1,10) if i != 4) # 生成器表达式
print(res)
print(res.__next__())
print(res.__next__())
print(res.__next__())
print(res.__next__())
##把列表解析的[]换成()得到的就是生成器表达式不调用__next__方法 生成器内部代码一句都不会运行
生成器表达式通常用在获取较大容器类型数据的时候
#自定义range功能
def my_range(start, end, step=1):
while start < end:
yield start
start += step
常用内置函数方法
abs(-1) # 求绝对值
l = [0,1,2]
all(l) # 只要有一个为False就返回False
any(l) # 只要有一个为True就返回True
def func():
name = '局部空间'
print(locals()) # 当前语句在哪个位置，就返回哪个位置所存储的所有空间名
print(globals()) # 无论在哪，查看的都是全局名称空间
l = [1,2,3]
print(dir(1)) # 获取该对象所有可以使用的方法
# divmod 分页器
divmod(103,10) # 返回两个数(10,3)前一个是商,后一个是余数,用处是网页分页,有余数就加上一页
# enumerate 枚举
l = ['name','age']
for i,j in enumerate(l,1)
print(i,j)
# 在元素前加一个索引,并且可以指定索引从哪个数字开始
# eval（) exec()
"""
这两个都可以识别字符串中的Python语法,eval不支持逻辑代码,只支持一些简单的python代码,exec可以识别逻辑代码
"""
print(isinstance(n,list))
# 判断对象是否属于某个数据类型
print(pow(2,3)) # 括号后面的数是前面的数的几次方
print(round(3.4)) # 浮点数的四舍五入
#locals
print(locals()) # 当前语句在哪个位置 就会返回哪个位置所存储的所有的名字
#globals
print(globals()) # 无论在哪 查看的都是全局名称空间
#dir 获取当前对象名称空间里面的名字
l = [1,2,3]
print(dir(l))
# eval #exec
#eval（) 函数用来执行一个字符串表达式，并返回表达式的值。
#exec 执行储存在字符串或文件中的 Python 语句，相比于 eval，exec可以执行更复杂的 Python 代码.
# format 三种玩法
# {}占位
# {index} 索引
# {name} 指名道姓
#locals
print(locals()) # 当前语句在哪个位置 就会返回哪个位置所存储的所有的名字
#globals
print(globals()) # 无论在哪 查看的都是全局名称空间
面对过程编程：就类似于设计一条流水线
好处：将复杂的问题流程化，从而简单化
坏处：可扩展性较差，一旦需要修改，整体都会受到影响
