前方高能-生成器和生成器表达式

主要内容:
1. 生成器和⽣生成器函数
2. 列表推导式
一. 生成器 什么是生成器. 生成器实质就是迭代器. 在python中有三种方式来获取生成器:
1. 通过生成器函数
2. 通过各种推导式来实现生成器
3. 通过数据的转换也可以获取生成器
首先, 我们先看一个很简单的函数:
def func():
print(“111”)
return 222
ret = func()
print(ret)
结果:
111 222
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:

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. ⽽而是获取这个生成器. 如何使用呢? 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() # 这个时候函数不会执行. 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无关了. 
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

当程序运行完后一个yield. 那么后⾯面继续进行__next__()程序会报错. 好了生成器说完了. 生成器有什么作用呢? 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. 好的效果是什么样呢? 我要1套. 你给我1套. 一共10000套. 是不是完美的.

def cloth():    
    for i in range(0, 10000):        
        yield "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. 会很占用内存. 第二种使用生成器. 一次就一个. 用多 少生成多少. 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 
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()都是让⽣生成器向下走⼀一次
2. send可以给上一个yield的位置传递值, 不能给后一个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)

筛选模式:
[结果for 变量 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))
dor 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
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. 

举个列子.
  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)    
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. g1 也就没有数据 了 print(list(g2))  # 和g1同理

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)
“`
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 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. 生成器对象可以直接进行for循环. 生成器具有 惰性机制.