'''
可迭代对象：
Python中任意的对象，
只要它定义了可以返回一个迭代器的 __iter__ 方法，
或者定义了可以支持下标索引的 __getitem__ 方法
那么它就是一个可迭代对象
'''

'''
任意对象，只要定义了 next（Python2） 或者 __next__ 方法，
它就是一个迭代器。就这么简单。现在我们来理解迭代（iteration）。
'''

'''
它就是从某个地方（比如一个列表）取出一个元素的过程。
当我们使用一个循环来遍历某个东西时，这个过程本身就叫迭代。
'''

'''
生成器也是一种迭代器，但是你只能对其迭代一次。
这是因为它们并没有把所有的值存在内存中，而是在运行时生成值。
你通过遍历来使用它们，要么用一个 “for” 循环，要么将它们传递给任意可以进行迭代的函数和结构。
大多数时候生成器是以函数来实现的。然而，它们并不返回一个值，而是 yield (暂且译作“生出”)一个值。
这里有个生成器函数的简单例子：
'''
def generator_function():
    for i in range(10):
        yield i

for item in generator_function():
    print(item)
print('-'*10,"分割线","-"*10)
'''
生成器最佳应用场景是：
你不想同一时间将所有计算出来的大量结果集分配到内存当中，特别是结果集里还包含循环。
原因：这样做会消耗大量资源
'''
# 计算斐波那契数列的生成器：
# generator version
def fibon(n):
    a = b = 1
    for i in range(n):
        yield a
        a, b = b, a + b
c = []
for x in fibon(10):
    c.append(x)
print(c) # 打印出10个斐波那契数列

# 不使用yield的话
# import pdb
# def fibon(n):
#     pdb.set_trace() # 使用pdb的话控制台打印的就会是该pdb所在的函数
#     a = b = 1
#     result = []
#     for i in range(n):
#         result.append(a)
#         a, b = b, a + b
#     return result
# print(fibon(10))
'''
在测试前你需要再知道一个Python内置函数：next()。
它允许我们获取一个序列的下一个元素。那我们来验证下我们的理解：
'''
def generator_function():
    for i in range(3):
        yield i

gen = generator_function()
print(next(gen)) # 0
print(next(gen)) # 1
'''
我们可以看到，在 yield 掉所有的值后，next() 触发了一个 StopIteration 的异常。
基本上这个异常告诉我们，所有的值都已经被 yield 完了。
你也许会奇怪，为什么我们在使用 for 循环时没有这个异常呢？啊哈，答案很简单。
for 循环会自动捕捉到这个异常并停止调用 next()。
你知不知道Python中一些内置数据类型也支持迭代哦？我们这就去看看：
'''
my_string = "Yasoob"
#  str 对象不是一个迭代器,他是一个可迭代对象
# next(my_string) #  'str' object is not an iterator
'''
它是一个可迭代对象，而不是一个迭代器。
这意味着它支持迭代，但我们不能直接对其进行迭代操作。那我们怎样才能对它实施迭代呢？
是时候学习下另一个内置函数，iter。它将根据一个可迭代对象返回一个迭代器对象。这里是我们如何使用它：
'''
my_string = "Yasoob"
my_iter = iter(my_string) # 根据一个可迭代对象返回一个迭代器对象
next(my_iter)

# 对于创建字典的回顾
a = [1,23,4]
b = [2,345,5]
c = dict(zip(a,b))
print(c)
for i,j in c.items():
    print(i,j)