垃圾回收机制

• [ ] ```python
  https://www.cnblogs.com/zhangchaocoming/p/11192436.html
  https://www.cnblogs.com/liangmingshen/p/10970534.html

  可迭代对象

  内置有__iter__方法的对象，例如字符串，列表，字典，元组等等都是可迭代对象

  迭代器对象

  1. 既内置有__next__方法的对象，执行迭代器__next__方法可以不依赖索引取值
  2. 又内置有__iter__方法的对象，执行迭代器__iter__方法得到的仍然是迭代器本身

  　　所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间，在Python中，这种一边循环一边计算的机制，称为生成器：generator

  　　生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。

  　　生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器

  res=(i+1 for i in range(10))#res就是一个生成器
  for i in res:
      print (i)

  python中生成器
  要创建一个generator，有很多种方法，第一种方法很简单，只有把一个列表生成式的[]中括号改为（）小括号，就创建一个generator

  所以我们创建一个generator后，基本上永远不会调用next()，而是通过for循环来迭代，并且不需要关心StopIteration的错误，generator非常强大，如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

  for循环（也称之为迭代器循环）的工作原理：

  1，先调用in后面那个对象的__iter__的方法，将其变成一个迭代器对象‘
  
  2，调用next（迭代器),将其得到的返回值赋值给变量名K，

  　　３，循环往复直到next（迭代器）抛出异常，for会自动捕捉异常，然后结束循环。　　　

             dic={'x':1,'y':2,'z':3}
  
               for k in dic:
                   print(k)

  python提供了两种基本的方式

  生成器函数：也是用def定义的，利用关键字yield一次性返回一个结果，阻塞，重新开始

  生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果

  1.生成器函数
  为什么叫生成器函数？因为它随着时间的推移生成了一个数值队列。一般的函数在执行完毕之后会返回一个值然后退出，但是生成器函数会自动挂起，然后重新拾起急需执行，他会利用yield关键字关起函数，给调用者返回一个值，同时保留了当前的足够多的状态，可以使函数继续执行，生成器和迭代协议是密切相关的，迭代器都有一个__next__()__成员方法，这个方法要么返回迭代的下一项，要买引起异常结束迭代。

  函数有了yield之后，函数名+（）就变成了生成器

  return在生成器中代表生成器的中止，直接报错

  next的作用是唤醒并继续执行

  send的作用是唤醒并继续执行，发送一个信息到生成器内部

  '''生成器'''

  def create_counter(n):
  print("create_counter")
  while True:
  yield n
  print("increment n")
  n +=1

  gen = create_counter(2)
  print(gen)
  print(next(gen))
  print(next(gen))

  结果：
  <generator object create_counter at 0x0000023A1694A938>
  create_counter
  2
  increment n
  3
  Process finished with exit code 0

  2.生成器表达式

  迭代器总结：
  优点：
  1，提供一种通用的且不依赖索引的迭代取值的方式
  2，同一时刻在内存中只存在一个值，更节省内存。
  缺点：
  1，取值不如按照索引的方式灵活，（不能区指定的某一个值而且取值是从左往右，）
  2，无法预测迭代器的长度，取完之后会报stopiteration错

  二，生成器：用户自定义的迭代器，本质就是迭代器。优点：节省内存（如果数据量较大，最好不要用列表生成式），代码量更少，执行更高效。

  2.垃圾回收机制

  python的垃圾回收有三种策略

  • 引用计数
  • 分代回收
  • 标记清除

  引用计数:PyObject是每个对象必有的内容，其中ob_refcnt就是做为引用计数。当一个对象有新的引用时，它的ob_refcnt就会增加，当引用它的对象被删除，它的ob_refcnt就会减少.引用计数为0时，该对象生命就结束了

  分代回收:将系统中的所有内存块根据其存活时间划分为不同的集合，每个集合就成为一个“代”，垃圾收集频率随着“代”的存活时间的增大而减小，存活时间通常利用经过几次垃圾回收来度量。

  标记清除:基本思路是先按需分配，等到没有空闲内存的时候从寄存器和程序栈上的引用出发，遍历以对象为节点、以引用为边构成的图，把所有可以访问到的对象打上标记，然后清扫一遍内存空间，把所有没标记的对象释放。

  3.迭代器和生成器的区别

  迭代器:是一个更加抽象的概念，任何对象，如果它的类有next方法和iter方法返回自身。对于string、list、dict、tuple等这类容器对象，使用for循环遍历是很方便的。在后台for语句对容器对象调用iter()函数，iter()是Python的内置函数。iter()会返回一个定义了next()方法的迭代器对象，它在容器中逐个访问容器内元素，next()也是python的内置函数。在没有后续元素时，next()会抛出一个StopIterration的异常。

  生成器:是创建迭代器的简单而强大的工具。它们写起来就像是正规的函数，只是在返回数据的时候需要使用yield语句。每次next()被调用时，生成器会返回它脱离的位置（它记忆语句最后一次执行的位置和所有的数据值）

  总结:生成器能做到迭代器能做的所有事，而且因为自动创建了__iter__()和next()方法，生成器显得特别简洁，而且生成器也是高效的，使用生成器表达式取代列表解析可以同时节省内存。除了创建和保持程序状态的自动生成，当发生器终结时，还会自动跑出StopIterration异常。
  ```

来源：https://www.cnblogs.com/ztzdhbg/p/11890419.html