本节主要内容:

1.生成器和生成器函数 2.列表推导式

一.什么是生成器.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.通过各种推导式来获取生成器 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:<generator object func at 0x00000214A643CF10>

以下生成器:

def func(): print("111") yield 222 gener=func() ret=gener.__next__() 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) ret=gener.__next__() print(ret) ret=gener.__next__() print(ret) #最后一个yield执行完毕.再次__next__() 程序会报错,也就是说跟return无关了. 结果:111 Traceback (most recent call last): 222 File "D:/workspace/012代码练习.py", line 178, in <module> 333 ret = gener.__next__() 444 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. 生成器有什么作用呢?我们来看这样的一个需求.老男孩向服装厂订购衣服10000套.

def cloth(): lst=[] for i in range(0,10000) lst.append("衣服"+str(i)) return lst cl=cloth() 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__()) 结果: 衣服0 衣服1 衣服2 衣服3

区别:第一种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__指到哪里指针就指到哪里下一次继续去指针指向的值.

send

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" print("c=",c) yield "GAME OVER" gen=eat() ret1=gen.__next__() print(ret1) ret2=gen.send("胡辣汤") print(ret2) ret3=gen.send("方便面") print(ret3) ret4=gen.send("小龙虾") print(ret4) 结果:我吃什么啊 馒头 a= 胡辣汤 大饼 b= 方便面 韭菜盒子 c= 小龙虾 GAME OVER

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

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

替换成列表推导式:

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

列表推导式的常用写法:

[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 %2==0] print(lst)

生成器表达式也可以进行筛选: 获取1-100内能被三整除:

gen=(i for i in range(1,100) if i%3==0) for num in gen: print(num)

names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven','Joe'], ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']] gen=(name for first in names for name in first if name.count("e")>=2) for name in gen: print(name) 结果:Jefferson Wesley Steven Jennifer

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.

def func(): print(111) yield 222 g=func()

g1=(i for i in g)

g2=(i for i in g1)

print(list(g))

print(list(g1))

print(list(g2))

结果:

111 [222] [] []

深坑==>生成器.要值得时候才能拿

字典推导式:推导出来的是字典

dic={"a":1,"b":2}

new_dic={dic[key]: key for key in dic} print(new_dic)

结果:{1: 'a', 2: 'b'}

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) 结果:

{8, 1, 12}

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for循环.生成器具有惰性机制.

转载于:https://www.cnblogs.com/Li-Kai-168/p/9671025.html