python学习第十三天

生成器和生成器表达式

本节主要内容:

　1 .生成器和生成器函数

　2 .列表推导式

一 .生成器

　生成器的实质就是迭代器.

　在python中有三种方式获取生成器:

　　1.通过生成器函数.

　　2.通过各种推导式来实现生成器.

　　3.通过数据转换也可以获取生成器.

首先,先看一个简单的函数

def func():
    print("111")
    return 222
ret = func()
print(ret)
结果:
111
222

现在将函数中的return换成yield就是生成器.

def func():
    print("111")
    yield 222
ret = func()
print(ret)
结果:
<generator object func at 0x10567ff68>

运⾏的结果和上⾯不一样. 为什么呢.?由于函数中存在了了yield. 那么这个函数就是一个⽣成器
函数. 这个时候. 我们再执⾏这个函数的时候. 就不再是函数的执⾏了. ⽽是获取这个⽣成器如何使⽤呢?

想想迭代器. 生成器的本质是迭代器.所以. 我们可以直接执行__next__()来执行以下生成器

def func():
    print("111")
    yield 222
gener = func() # 这个时候函数不不会执.行行. .而是获取到.生成器.
ret = gener.__next__() # 这个时候函数才会执行. yield的作用和return.一样. 也是返回
数据
print(ret)
结果:
111
222

那么我们可以看到, yield和return的效果是.一样的. 有什什么区别呢? yield是分段来执行一个
函数. return呢? 直接停止执行函数.

def func():
    print("111")
    yield 222
    print("333")
    yield 444
gener = func()
ret = gener.__next__()
print(ret)
ret2 = gener.__next__()
print(ret2)
ret3 = gener.__next__() # 最后一个yield执行完毕. 再次__next__()程序报错, 也就是
说. 和return⽆无关了了.
print(ret3)
结果:

111
Traceback (most recent call last):
222
333
File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in
<module>
444
ret3 = gener.__next__() # 最后⼀一个yield执⾏行行完毕. 再次__next__()程序报错, 也
就是说. 和return⽆无关了了.
StopIteration

当程序运⾏完最后一个yield. 那么后面继续进行__next__()程序会报错.
好了⽣成器说完了. ⽣成器有么作用呢? 我们来看这样一个需求. 老男孩向JACK JONES订

购10000套学⽣生服. JACK JONES就比较实在. 直接造出来10000套衣服.

def cloth():
　　 lst = []
    for i in range(0, 10000):
　　 lst.append("衣服"+str(i))
    return lst
cl = cloth()

但是呢, 问题来了. 老男孩现在没有这么多学生啊. ⼀次性给我这么多. 我往哪里放啊. 很尴尬
啊. 最好的效果是什么样呢? 我要1套. 你给我1套. 一共10000套. 是不是最完美的.

def cloth():
    for i in range(0, 10000):
    yield "⾐衣服"+str(i)
cl = cloth()
print(cl.__next__())
print(cl.__next__())
print(cl.__next__())
print(cl.__next__())

区别: 第一种是直接⼀次性全部拿出来. 会很占⽤用内存. 第二种使⽤用⽣成器. 一次就一个. ⽤多

少⽣生成多少. ⽣成器是一个一个的指向下一个. 不会回去, __next__()到哪, 指针就指到哪⼉.
下一次继续获取指针指向的值.

接下来我们来看send⽅方法, send和__next__()一样都可以让⽣成器执⾏到下一个yield.

def eat():
    print("我吃什么啊")
    a = yield "馒头"
    print("a=",a)
    b = yield "⼤饼"
    print("b=",b)
    c = yield "韭菜盒⼦子"
    print("c=",c)
    yield "GAME OVER"

gen = eat() # 获取⽣成器器
ret1 = gen.__next__()
print(ret1)
ret2 = gen.send("胡辣汤")
print(ret2)
ret3 = gen.send("狗粮")
print(ret3)
ret4 = gen.send("猫粮")
print(ret4)

send和__next__()区别:
　　1. send和next()都是让⽣成器向下走一次
　　2. send可以给上一个yield的位置传递值, 不能给最后一个yield发送值. 在第一次执行⽣
成器代码的时候不能使用send()

⽣成器可以使⽤for循环来循环获取内部的元素:

def func():
    print(111)
    yield 222
    print(333)
    yield 444
    print(555)
    yield 666
gen = func()
for i in gen:
    print(i)
结果:
111
222
333
444
555
666

　　二. 列表推导式, ⽣成器表达式以及其他推导式.

首先我们先看一下这样的代码, 给出一个列表, 通过循环, 向列表中添加1-13 :

lst = []
for i in range(1, 15):
　　lst.append(i)
print(lst)

　　替换成列列表推导式:

lst = [i for i in range(1, 15)]
print(lst)

列表推导式是通过一行行来构建你要的列表, 列表推导式看起来代码简单. 但是出现错误之
后很难排查.
列表推导式的常用写法: [ 结果 for 变量量 in 可迭代对象]
例 . 从python1期到python14期写入列表lst:

lst = ['python%s' % i for i in range(1,15)]
print(lst)

　　我们还可以对列表中的数据进行筛选

筛选模式: [ 结果 for 变量量 in 可迭代对象 if 条件 ]

# 获取1-100内所有的偶数
lst = [i for i in range(1, 100) if i % 2 == 0]
print(lst)

　　⽣成器表达式和列表推导式的语法基本上是一样的.只是把[]替换成()

gen = (i for i in range(10))
print(gen)
结果:
<generator object <genexpr> at 0x106768f10>

　　打印的结果就是一个⽣成器. 我们可以使用for循环来循环这个⽣成器:

gen = ("麻花藤我第%s次爱你" % i for i in range(10))
for i in gen:
print(i)

　　⽣成器表达式也可以进⾏筛选

# 获取1-100内能被3整除的数
gen = (i for i in range(1,100) if i % 3 == 0)
for num in gen:
    print(num)

# 100以内能被3整除的数的平⽅方
gen = (i * i for i in range(100) if i % 3 == 0)
for num in gen:
    print(num)

# 寻找名字中带有两个e的⼈人的名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven',
'Joe'],['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]

# 不用推导式和表达式
result = []
for first in names:
    for name in first:
        if name.count("e") >= 2:
            result.append(name)
print(result)
# 推导式
gen = (name for first in names for name in first if name.count("e") >= 2)
for name in gen:
    print(name)

　　⽣成器表达式和列表推导式的区别:

　　1. 列表推导式比较耗内存. ⼀次性加载. ⽣成器表达式⼏乎不占⽤内存. 使⽤的时候才分
配和使用内存
　　2. 得到的值不一样. 列表推导式得到的是一个列表. ⽣成器表达式获取的是一个⽣成器.

举个栗⼦.
　同样一篮⼦鸡蛋.

　　列表推导式: 直接拿到一篮⼦鸡蛋.

　　⽣成器表达式: 拿到一个老⺟鸡. 需要鸡蛋就给你下鸡蛋.

⽣成器的惰性机制: ⽣成器只有在访问的时候才取值. 说⽩了. 你找他要他才给你值. 不找他
要. 他是不会执⾏的.

def func():
    print(111)
    yield 222
g = func() # ⽣成器g
g1 = (i for i in g) # ⽣成器g1. 但是g1的数据来源于g
g2 = (i for i in g1) # ⽣成器g2. 来源g1
print(list(g)) # 获取g中的数据. 这时func()才会被执⾏打印111.获取到222. g完毕.
print(list(g1)) # 获取g1中的数据. g1的数据来源是g. 但是g已经取完了了. g1 也就没有数据了
print(list(g2)) # 和g1同理理

　　深坑==> ⽣成器. 要值得时候才拿值.

字典推导式:
根据名字应该也能猜到. 推到出来的是字典

# 把字典中的key和value互换
dic = {'a': 1, 'b': '2'}
new_dic = {dic[key]: key for key in dic}
print(new_dic)
# 在以下list中. 从lst1中获取的数据和lst2中相对应的位置的数据组成.一个新字典
lst1 = ['jay', 'jj', 'sylar']
lst2 = ['周杰伦', '林林俊杰', '邱彦涛']
dic = {lst1[i]: lst2[i] for i in range(len(lst1))}
print(dic)

集合推导式:
集合推导式可以帮我们直接生成一个集合. 集合的特点: 无序, 不重复.　所以集合推导式自带去重功能

lst = [1, -1, 8, -8, 12]
# 绝对值去重
s = {abs(i) for i in lst}
print(s)

总结: 推导式有列表推导式, 字典推导式, 集合推导式, 没有元组推导式
生成器表达式: (结果 for 变量量 in 可迭代对象 if 条件筛选)
生成器表达式可以直接获取到⽣成器对象. ⽣生成器对象可以直接进⾏for循环. ⽣成器具有惰性机制.

一个⾯试题

def add(a, b):
    return a + b

def test():
    for r_i in range(4):
    yield r_i

g = test()

for n in [2, 10]:
    g = (add(n, i) for i in g)

print(list(g))

友情提示: 惰性机制, 不到最后不会拿值
这个题要先读一下. 然后⾃分析出结果. 最后用机器跑一下.

python学习第十三天

猜你喜欢