1.迭代器和生成器

1.迭代器

#列表推导式：扩展操作，简化代码
>>> l3=[i for i in range(20) if i%2==1]  #第一个i，就是往列表里面添加的value
>>>l3=[i if i%2==1 else "a" for i in range(20)  ]  #偶数替换成“a”，奇数用i值

#集合推导式
>>> s={i for i in range(10)}
>>> s
{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}

#字典推导式
>>> s={i:"a" for i in range(5)}
>>> s
{0: 'a', 1: 'a', 2: 'a', 3: 'a', 4: 'a'}

#迭代器
    迭代器对象要求支持迭代器协议的对象，在Python中，支持迭代器协议就是实现对象的__iter__()和__next__()方法。
    其中__iter__()方法返回迭代器对象本身；__next__()方法返回容器的下一个元素，在结尾时引发StopIteration异常。
'''
>>> l3=[i for i in range(20) if i%2==0]  #__iter__有这个魔法方法，具备可以迭代
>>> li=iter(l3)  
>>> next(li)
0

>>> l3=[i for i in range(20) if i%2==0]
>>> l3=l3.__iter__()
>>> next(l3)
0
>>> l3.__next__()
2

iter() 实现了  __iter__()
next() 实现了 __next__()
'''
#迭代器是用来干嘛
for:
1.iter() ->迭代器
2.next()->迭代取值

extend(iterable)->iter()->next()->append()

2.生成器generator

    在Python中，使用生成器可以很方便的支持迭代器协议。
    生成器通过生成器函数产生，生成器函数可以通过常规的def语句来定义，但是不用return返回，而是用yield一次返回一个结果，在每个结果之间挂起和继续它们的状态，来自动实现迭代协议。

    也就是说，yield是一个语法糖，内部实现支持了迭代器协议，同时yield内部是一个状态机，维护着挂起和继续的状态。
    生成器函数返回生成器的迭代器。 “生成器的迭代器”这个术语通常被称作”生成器”。
    要注意的是生成器就是一类特殊的迭代器。作为一个迭代器，生成器必须要定义一些方法，
    其中一个就是__next__()。如同迭代器一样，我们可以使用__next__()函数来获取下一个值。

    在一个 generator function 中，如果没有 return，则默认执行至函数完毕，如果在执行过程中 return，
    则直接抛出 StopIteration 终止迭代。  
    #yield用来处理批量数据的，查看部分数据，防止内存爆了
'''
def  fun():
    i=0
    while i<5:
        print("***")
        yield i  #暂停使用，同时还可以返回值
        i+=1
        print("+++",i)

#运行结果：
>>> next(a)
***
0
>>> next(a)
+++ 1
***
1
'''

>>>next(fun())  #每次调用，都会生成一个对象

# 斐波那契数
def fib(num):
    n,a,b=0,0,1
    while n<num:
        print(b)
        if n%10==0:  
            yield #用来处理批量数据的，查看部分数据，防止内存爆了
        a,b=b,a+b
        n=n+1

2.模块和包

1.内置模块
    本身就带有的库，就叫做Python的内置的库。（模块==库）
    一些常见的内置模块
    os 和操作系统相关    os.path
    sys 和系统相关      sys.path  
        sys.path.append(r'')    可以添加路径
    re  正则表达式 

2.第三方模块
    非Python本身自带的库，就是所谓的第三方的库

3.模块的导入，模块的本质就是一个py文件
    import xxx  [as  yy]
    from ../xx  import  xx  [as  yy]  
'''
>>> import keyword  #会把模块里面所有的内容都导入
>>> from random import randint #指定导入，节省内存
>>> from random import* #会把模块里面所有的内容导入，但是不会导入 _cos，带下划线的私有属性
'''


4.自定义模块
    py文件，可以做为一个模块来用，直接作为一个模块导入就行
    __main__ 的意义：
        当文件是直接运行是，文件的__name__是__main__ ，当文件是被导入时，__name__是文件名
'''
#py 声明了name相当于声明主权
if __name__=="__main__": #我自己调用，才会执行
    print(__name__)
'''       
'''
#添加自定义引用的第三方库
>>> import os,sys
>>> sys.path
>>> sys.path.append(r"C:\Users\xxxx\Desktop\test")  #指定你的目录
>>> sys.path
>>> import test3  #C:\Users\xxxx\Desktop\test  引用目录下test3.py文件
test
'''


5.包管理
    基本上就是另外一类模块。把用来处理一类事物的多个文件放在同一文件夹下组成的模块集。
    要让python 将其作为包对待，在python2中必须包含__init__.py的文件，但在python3中没有__init__.py文件也可以，使用包可以避免多个文件重名的情况，不同的包下的文件同名不影响。

    导入包和模块是一样的方法，包导入后会在目录中自动生成__pycache__文件夹存放生成的.pyc文件，要注意的是import后面的才是存在当前作用域中的对象名，from是告诉python从什么地方导入，
    使用sys.path添加文件的目录路径。
'''
>>> import xml
>>> import xml.dom
#不是系统的包就添加路径
'''
import time
>>>time.localtime()
>>>time.asctime(time.localtime())
>>>time.time() #时间戳

3.扩展外传参数

#cmd中调用：  python3 C:\Users\xxx\Desktop\python\test.py  "test" "a"
import sys
def test():
    print("this is test")
    a="test"
    return a
test1="this is test"
if __name__=="__main__": #我自己调用，才会执行
    print(__name__)
    sys.argv
    print(sys.argv)
    print(sys.argv[1])
    print(sys.argv[2])
    test()

#运行结果：
__main__
['C:\\Users\\xxx\\Desktop\\python\\test.py', 'test', 'a']
test
a
this is test