Python 迭代器、生成器

for 过程中到底发生了什么？

for item in xxxx:
    print(item)
    

1. 检查该对象是否是可迭代对象isinstance(obj,Iterable)
2. 在第一步成立的前提下，调用iter函数得到obj对象的__iter__()方法的返回值
3. iter()方法的返回值，是一个 迭代器

from collections.abc import Iterator,Iterable

class Mylist():
    def __init__(self):
        self.mylist = []

    def add(self, item):
        self.mylist.append(item)
        self.myidx = 0


    # 该对象是可迭代对象的基础是 对象里面有 __iter__()方法

    def __iter__(self):
        return self  #  必须返回一个迭代器，即实现了__iter__和__next__的类

    def __next__(self):
        if self.myidx < len(self.mylist):
            res = self.mylist[self.myidx]
            self.myidx += 1
            return res
        else:
            raise StopIteration

if __name__ == '__main__':
    mylist = Mylist()
    mylist.add(1)
    mylist.add(2)
    mylist.add(3)

    print(isinstance(mylist, Iterable)) # 是否实现__iter__方法
    print(isinstance(mylist, Iterator)) # 想要是一个迭代器，__iter__方法必须返回一个迭代器
                                        # 而这个迭代器里面 必须实现__next__方法和__iter__方法

    # 也就是说实现__iter__方法只能保证它是一个可迭代对象
    # 而__next__方法在__iter__方法实现的前提下，使得对象成为 迭代器，且for 返回的值就是 next方法的返回值
    for item in mylist:
        print(item)

迭代器的应用

比如有个很大的数据，我们不想一次性都读入内存，内存不够，而是想要实现用一条，读一条。这里迭代器就会发挥很大的作用。
比如Pytorch的自定义数据集，就是利用了迭代器的原理。

生成器

如果一个函数中有yield语句，那这个函数就是一个生成器模版。
yield可以理解为会将程序暂停，然后返回yield后面的值，下次运行继续向后

所以说用yield 返回a 与range(1，1000)相比，它不会直接生成1-10000，而是用一个生成一个。
迭代器的核心就是，它保存的是生成数据的方式，不是直接生成的数据。生成器yield也是这样，可以让函数暂停执行，返回你想要的数据，再次运行的时候仍然保持上次的状态。

利用yield暂停程序的原理，可以实现并发多任务

两个函数交替执行，实现并发；

import time 

def dancing():
    while True:
        print("dancing.....")
        time.sleep(1)
        yield
        

def singing():
    while True:
        print("singing.....")
        time.sleep(1)
        yield
        

def main():
    d = dancing()
    s = singing()
    while True:
        next(d)
        next(s)

if __name__ == '__main__':
    main()