三大神器 -迭代器、生成器

1.什么是迭代器（iter）

迭代器是容器型数据类型，只能通过类型转换和生成器来获得迭代器对象

迭代器存储数据的特点：同时可以保存多个数据，没有办法直接查看数据，而是需要先将数据从迭代器中取出来（取出来之后不能再放回去）

所有的容器都可以转换成迭代器

iter1 = iter([10, 20, 30, 40]) print(iter1) # <list_iterator object at 0x000001F4A9E2C688> iter2 = iter('abc') print(iter2) # <str_iterator object at 0x000001F4A9E2C788> iter3 = iter({'name': '张三', 'age': 18, 'gender': '男'}) print(iter3) # <dict_keyiterator object at 0x000001F4A9E23A98> iter4 = copy(iter1) print(iter4) # <list_iterator object at 0x000001F4A9E30688>

2.获取迭代器中的元素

无论通过什么样的方式，只要是将迭代器中的元素拿到了，那么迭代器中就不会再有这个元素（相当于删除了）

iter1 = iter([10, 20, 30, 40]) list1 = list(iter1) print(list1) # [10, 20, 30, 40] list2 = list(iter1) print(list2) # []

1.遍历

iter5 = iter('hello!') for x in iter5: print(f'x: {x}') """ x: h x: e x: l x: l x: o x: ! """ print(list(iter5)) # []

2.获取单个元素

iter3 = iter({'name': '张三', 'age': 18, 'gender': '男'}) print(next(iter3)) # name print(next(iter3)) # age print(next(iter3)) # gender # print(next(iter3)) # 报错： StopIteration iter4 = iter([1, 2, 3, 4, 5, 6, 7]) next(iter4) next(iter4) print('++++++++++') for x in iter4: print(f'x: {x}') """ x: 3 x: 4 x: 5 x: 6 x: 7 """ # len 无法获取迭代器的长度 # iter5 = iter('hello world!') # print(len(iter5)) # 报错

2.生成器

1.什么是生成器

概念1

是长期就是迭代器

概念2

调用一个yield关键字的函数就可以得到一个生成器

def func1(): print('++++') print('----') yield result = func1() print('result:', result) # result: <generator object func1 at 0x0000027528F6D448>

2.生成器产生数据（生成器中的元素是怎样产生的）

生成器能产生多少元素就看执行生成器对应的函数体会遇到几次yield ：yield 后面的表达式的结果就是生成器产生的数据

# 示例一：创建一个生成器可以产生3个数据分别是：10， 100， 78 def create_gender1(): yield 10 yield 100 yield 78 gen1 = create_gender1() print(list(gen1)) # [10, 100, 78]

3.生成器产生数据的原理

当获取生成器的元素的时候，会自动调用生成器关联的函数第一次从函数开始的地方开始执行，直到遇到yield为止并且将 yield 后面的值作为获取到的数据；后面每次执行都是从上次结束的地方开始执行函数直到遇到yield。如果执行到函数结束都没有遇到yield 就不会产生数据（如果用next 去取数据这个函数会报错）

def create_gender2(): print('函数开始') yield 10 print('++++++') yield 98 print('========') yield 100 print('函数结束') gen2 = create_gender2() print('========第1次========') print(f'元素: {next(gen2)}') # 元素: 10 print('========第2次========') print(f'元素: {next(gen2)}') # 元素: 98 print('========第3次========') print(f'元素: {next(gen2)}') # 元素: 100 print('========第4次========') # print(f'元素: {next(gen2)}') # 报错：StopIteration def create_gender3(): num = 0 while True: num += 1 yield num gen3 = create_gender3() print(next(gen3)) # 练习：写一个产生4位验证码的生成器(验证码有随机的4位数字和字母组成) from random import choices def code_gender4(): alp = 'abcdefghijklmnopqrstuvwxyz' str1 = alp + alp.upper() + '0123456789' while True: yield ''.join(choices(str1, k=4)) gen4 = code_gender4() print(next(gen4)) # DTNv print(next(gen4)) # 8r1s # 注意：每次调用函数都是在创建一个新的生成器对象 def create_gender5(): for x in range(5): yield x print(next(create_gender5())) # 0 print(next(create_gender5())) # 0 gen5 = create_gender5() print(next(gen5)) # 0 print(next(gen5)) # 1 print(next(gen5)) # 2 print(next(gen5)) # 3

3.生成式

生成式就是生成器的简写

列表推导式的[]变成（）就变成了生成式

list1 = [x*2 for x in range(5)] print(list1) # [0, 2, 4, 6, 8] gen1 = (x*2 for x in range(5)) print(gen1) # <generator object <genexpr> at 0x103dba050> print(next(gen1)) # 0 print(next(gen1)) # 2 # gen1 = (x*2 for x in range(5)) 相当于: def func(): for x in range(5): yield x*2 gen1 = func()

4. 模块

1.什么是模块

一个模块就是一个py文件，py文件的文件名就是模块名

2.在一个模块中使用另外一个模块的内容

那些能用：所有在指定if语句外的全局变量怎么使用：需要先导入模块 import 模块名 - 导入后可以使用所有的全局变量；以 '模块名.变量' 来使用变量 from 模块名 import 变量1, 变量2, 变量3,... - 导入后可以使用指定的变量; 直接使用变量 from 模块名 import * --导入后可以使用所有的全局变量; 直接使用变量 (不推荐使用) import 模块名 as 新模块名 - 导入模块的时候给模块取别名，以后使用模块的时候使用新名字 from 模块名 import 变量1 as 新变量1, 变量2 as 新变量2, 变量3,... - 给指定变量取别名

5.导入模块的原理

1.导入模块的原理

当使用import或者from-import 导入模块的时候，系统会自动将被导入的模块中所有的代码都执行一遍

# import test2 # from test2 import a

2.重复导入同一个模块，模块中的内容只会执行一次

3.怎么选择性的执行被导入的内容

在被导入的模块中添加if语句，将不希望被其他模块执行的代码放到if语句中。 if 语句: if __name__ == '__main__': 不希望被其他模块执行的代码 原理： 每个模块都有一个属性：__name__，这个属性是用来保存当前模块的名字；__name__默认值就是模块名(模块对应的py文件的文件名)。当我们直接执行某个模块的时候，这个模块的 __name__属性就会自动变成 '__main__'

6.包的使用

1.什么是包

包就是一种特殊的文件夹(a.里面的文件都是py文件 b.自带一个 __init__.py 的文件) 直接导入 通过包直接导入模块 通过包导入模块中的数据 导入的定制