python——

python里面有很多的以__(注意：这里是两个下划线)开始和结尾的函数，利用它们可以完成很多复杂的逻辑代码，而且提高了代码的简洁性，下面以迭代器的概念引入相关内容。

迭代器

迭代是Python最强大的功能之一，是访问集合元素的一种方式。

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。

迭代器有两个基本的方法：iter() 和 next()。

字符串，列表或元组对象都可用于创建迭代器：

>>> list=[1,2,3,4]
>>> it = iter(list)    # 创建迭代器对象
>>> print (next(it))   # 输出迭代器的下一个元素
1
>>> print (next(it))
2
>>>

迭代器对象可以使用常规for语句进行遍历：

>>>list=[1,2,3,4]
>>>it = iter(list)    # 创建迭代器对象
>>>for x in it:
>>>    print (x, end=" ")  
1 2 3 4    

it = iter(list) 这一句可以不写，因为python内部会对for语句后面的对象进行如下的变换：

for x in iter(list)

创建一个迭代器

把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() 。

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。

next() 方法（Python 2 里是 next()）会返回下一个迭代器对象。我们就可以通过next函数访问这个对象的下一个元素了，并且在你不想继续有迭代的情况下抛出一个StopIteration的异常(for语句会捕获这个异常，并且自动结束for)

创建一个返回数字的迭代器，初始值为 1，逐步递增 1：

class A(object):def __init__(self,end):self.start = 0self.end = enddef __iter__(self):return selfdef __next__(self):if self.start < self.end:self.start + = 1return self.startelse:raise StopIteration a = A(5)for i in a:print(i)

输出：

1
2
3
4
5

把for语句换成next函数也可以：

class A(object):def __init__(self,end):self.start = 0self.end = enddef __iter__(self):return selfdef __next__(self):if self.start < self.end:self.start + = 1return self.startelse:raise StopIteration a = A(5)print(next(a))   
print(next(a))
print(next(a))
print(next(a))
print(next(a))
print(next(a)) # 其实到这里已经完成了，我们在运行一次查看异常

输出：

0
1
2
3
4
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-51-d93a95b5b2c9> in <module>()21 print(next(a))22 print(next(a))
---> 23 print(next(a)) # 其实到这里已经完成了，我们在运行一次查看异常<ipython-input-51-d93a95b5b2c9> in __next__(self)13             return ret14         else:
---> 15             raise StopIteration16 17 a = MyRange(5)StopIteration: 

可以看见一个很明显的好处是，每次产生的数据，是产生一个用一个，什么意思呢，比如我要遍历[0, 1, 2, 3…]一直到10亿，如果使用列表的方式，那么是会全部载入内存的，但是如果使用迭代器，可以看见，当用到了(也就是在调用了next)才会产生对应的数字，这样就可以节约内存了，这是一种懒惰的加载方式。

注：

（1）构造函数

构造函数也被称为构造器，当创建对象的时候第一个被自动调用的函数，系统默认提供了一个无参的构造函数 per = Person（）

• 语法：

  def  __ init__(self,arg1,arg2,...):函数体
  

• 说明：

   当你没有在类中定义构造函数的话，系统默认提供了一个无参的构造函数arg1，arg2，...可以自己定义，但是，一般情况下，构造函数的形参列表和成员变量有关构造函数的特点：创建对象；给对象的成员变量赋值
  

• 构造函数和成员函数之间的区别：

   成员函数的函数名可以自定义，但是，构造函数的函数名是固定的__init__成员函数需要被手动调用，但是，构造函数在创建对象的过程中是自动被调用的对于同一个对象而言，成员函数可以被调用多次，但是，构造函数只能被调用一次
  

（2）class、instance、object、method、function

class ：类
instance：实例
object：对象，和instance等同
method：类中的方法
function：普通函数，类的方法与普通的函数只有一个特别的区别——它们必须有一个额外的第一个参数名称, 按照惯例它的名称是 self

——————
python里面的self，是谁啊？

（3）self：

self代表类的实例，而非类

class Test:def prt(self):print(self)print(self.__class__)t = Test()
t.prt()T = Test()
T.prt()

输出

​<__main__.Test object at 0x000001EDDE8BFFD0>
<class '__main__.Test'><__main__.Test object at 0x000001EDDE7C45F8>
<class '__main__.Test'>

从执行结果可以很明显的看出，self 指代引用类的method的实例，代表当前实例的地址，可以通过self.xxx来改变实例的属性
而 self.class 则指向类。

self 不是 python 关键字，我们把他换成 runoob 也是可以正常执行的:

class Test:def prt(food):print(food)print(food.__class__)t = Test()
t.prt()T = Test()
T.prt()

输出：

<__main__.Test object at 0x000001EDDE7A69E8>
<class '__main__.Test'>
<__main__.Test object at 0x000001EDDE8BFFD0>
<class '__main__.Test'>

（4）Iterable、Iterator

Iterable: 有迭代能力的对象，一个类，实现了__iter__，那么就认为它有迭代能力，通常此函数必须返回一个实现了__next__的对象，如果自己实现了，你可以返回self，当然这个返回值不是必须的；
Iterator: 迭代器(当然也是Iterable)，同时实现了 iter__和__next__的对象，缺少任何一个都不算是Iterator，比如下面例子中，A()可以是一个Iterable，但是A()和B()都不能算是和Iterator，因为A只实现了__iter（），而B只实现了__next__()。

class B(object):def __next__(self):raise StopIterationclass A(object):def __iter__(self):return B()a = A()
b = B()print(next(a))
print(next(b))

输出：

Traceback (most recent call last):File "d:/objectdetection/models/yolov3/Rebar_Detection-master/test.py", line 12, in <module>print(next(a))
TypeError: 'A' object is not an iteratorTraceback (most recent call last):File "d:/objectdetection/models/yolov3/Rebar_Detection-master/test.py", line 12, in <module>print(next(b))File "d:/objectdetection/models/yolov3/Rebar_Detection-master/test.py", line 3, in __next__raise StopIteration
StopIteration

我们可以使用collections里面的类型来进行验证：

class B(object):def __next__(self):raise StopIterationclass A(object):def __iter__(self):return B()from collections.abc import *a = A()
b = B()
print(isinstance(a, Iterable))
print(isinstance(a, Iterator))print(isinstance(b, Iterable))
print(isinstance(b, Iterator))

True
False
False
False

可以对B类进行修改：

class B(object):def __next__(self):raise StopIterationdef __iter__(self):return Noneclass A(object):def __iter__(self):return B()from collections.abc import *a = A()
b = B()
print(isinstance(a, Iterable))
print(isinstance(a, Iterator))print(isinstance(b, Iterable))
print(isinstance(b, Iterator))

True
False
True
True

（5）生成器

生成器是一个可以快速创建迭代器的工具

• 简单的生成器：生成器表达式

我们可以用列表推导（生成式）来初始化一个列表：

list5 = [x for x in range(5)]
print(list5)   #output：[0, 1, 2, 3, 4]

我们用类似的方式来生成一个生成器，只不过我们这次将上面的[ ]换成( )：

gen = (x for x in range(5))
print(gen) 
#output： <generator object <genexpr> at 0x0000000000AA20F8>

看到上面print(gen) 并不是直接输出结果，而是告诉我们这是一个生成器。那么我们要怎么调用这个gen呢。
有两种方式：

第一种：

for item in gen:print(item)
#output:
0
1
2
3
4

第二种：

print(next(gen))#output:0
print(next(gen))#output:1
print(next(gen))#output:2
print(next(gen))#output:3
print(next(gen))#output:4
print(next(gen))#output:Traceback (most recent call last):StopIteration

好了。现在可以考虑下背后的原理是什么了。
从第一个用for的调用方式我们可以知道生成器是可迭代的。更准确的说法是他就是个迭代器。
我们可以验证一下：

from collections import Iterable, Iterator
print(isinstance(gen, Iterable))#output:True
print(isinstance(gen, Iterator))#output:True

str,list,tuple,dict,set这些都是可迭代的，就是可用for来访问里面的每一个元素。但他们并不是迭代器。

• 在 Python 中，使用了 yield 的函数被称为生成器（generator）。

跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。

调用一个生成器函数，返回的是一个迭代器对象。

import sysdef fibonacci(n): # 生成器函数 - 斐波那契a, b, counter = 0, 1, 0while True:if (counter > n): returnyield aa, b = b, a + bcounter += 1
f = fibonacci(10) # f 是一个迭代器，由生成器返回生成while True:try:print (next(f), end=" ")except StopIteration:sys.exit()from collections import Iterable, Iterator
print(isinstance(f, Iterable))#output:True
print(isinstance(f, Iterator))#output:True
#output
0 1 1 2 3 5 8 13 21 34 55

• send和throw函数

注意上面说的yield表达式的返回值，我们以前使用的都是yield start这种格式，其实yield是有返回值的，默认情况下都是None，我们修改一下上面的MyRange

def MyRange(end):start = 0while start < end:x = yield start  # 这里增加了获取返回值print(x)  # 打印出来start += 1m = MyRange(5)
print(next(m))
print(next(m))
#输出
0
None
1

yield执行顺序上面已经说明了，这里打印了一个None，就是yield的返回值，那么说了这么多，就是为了说明send函数的参数，会作为yield的返回值的。

def MyRange(end):start = 0while start < end:x = yield startprint(x)start += 1m = MyRange(5)
print(next(m))
print(m.send(10))#输出
0
10
1

我们在来看看throw这个函数，它是让yield产生一个异常，接收三个参数，异常类型，异常值，trackback对象，其中后面两个可选，同send一样，会返回下一个值。

如果这个异常不在生成器函数里面进行处理，会抛出到调用者

def MyRange(end):start = 0while start < end:try:x = yield startexcept Exception as e:print(e)start += 1m = MyRange(5)
print(next(m))
print(m.throw(Exception, 'Some Exception'))
#输出
0
Some Exception
1

总结：
生成迭代器的方法有很多种。
1、同时实现了 __iter__和__next__的对象，缺少任何一个都不算是Iterator。
2、生成器是生成迭代器的工具。

————
【Python魔术方法】迭代器(iter__和__next)
Python3 迭代器与生成器
对Python生成器的理解