python之生成器和列表推导式

时间:2022-09-29 14:49:17

一、生成器函数

1、生成器

就是自己用python代码写的迭代器,生成器的本质就是迭代器(所以自带了__iter__方法和__next__方法,不需要我们去实现)。

2、构建生成器的两种方式

1,生成器函数:跟常规函数定义类似,但是,使用yield语句而不是return语句返回结果。
yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次从它离开的地方继续执行。

2,生成器表达式:类似于列表推导,但是,返回的是生成器的一个对象,
而不是一次构建一个结果列表。

3、生成器函数

3-1、先看一般的函数

def func1(x):
x += 1
return x
func1(5) #函数的执行命令,并且接收函数的返回值。
print(func1(5)) #

3-2、再看生成器函数

def func1(x):
x += 1
print(666)
yield x
x +=2
print(777)
print(x)
yield 'xiaobai'
x +=3 g = func1(5) # 此时的func1(5)不会执行函数,因为它只是生成器函数对象
print(g) # <generator object func1 at 0x0000025E5D618780>
print(g.__next__()) #666 6
print(next(g)) #777 8 xiaobai

3-3、yield与return的区别

return:结束函数,给函数的执行者返回值
yield:不会结束函数,一个next对应一个yield,
执行yield上面的代码并给 生成器对象.__next__() 返回值

3-4、生成器函数与迭代器的区别
区别1:自定制的区别
迭代器由可迭代对象转化而来,已经‘写死了’

l1 = [1,2,3,4,5]
l1.__iter__()

生成器可用自定制函数来定制

def func1(x):
x += 1
yield x
x += 3
yield x
x += 5
yield x
g1 = func1(5)
print(g1.__next__())
print(g1.__next__())
print(g1.__next__())

区别2:内存级别的区别。
迭代器是需要可迭代对象进行转化,可迭代对象非常占内存。
生成器直接创建,不需要转化,从本质就节省内存。

def func1():
for i in range(1000000):
yield i
g1 = func1()
for i in range(50):
print(g1.__next__()) #一个next取一次值,可用for循环取值

3-5、send与next
先看例子:

def func1():
print(1)
count = yield 6 print(count)
print(2)
count1 = yield 7 print(count1)
print(3)
yield 8 g = func1()
print(g.__next__()) #1 6
print(g.send('xiaobai')) #xiaobai 2 7
print(g.send('xiaigou')) #xiaogou 3 8

总结:
send与next一样,也是对生成器取值(执行一个yield)的方法。
send可以给上一个yield 传值。
注意小坑:
1,第一次取值只能用next
2,最后一个yield不可能得到send传的值

3-6、生成器close()方法

def fun():
for i in range(5):
yield i
g = fun()
print(g.__next__())
print(g.__next__())
print(g.__next__())
g.close() # 直接把生成器的值取(删)完了,后面就不能再取值
print(g.__next__()) # 报错 a = (i for i in range(4))
print(a.__next__())
print(a.__next__())
a.close()
print(a.__next__()) #报错

3-7、生成器函数的应用例子
要制作一批量很大的衣服,用普通的函数只能一次全部制作完:

def cloth1(n):
for i in range(n+1):
print('衣服%s号' % i)
cloth1(100000) #一次全部制作完了

而用生成器函数,需要制作多少就先制作多少:

def cloth2(n):
for i in range(1,n+1):
yield '衣服%s号' % i
g = cloth2(10000) 先制作50件:
for i in range(50):
print(g.__next__()) #衣服1号,衣服2号,衣服3号...衣服50号 再制作50件:
for i in range(50):
print(g.__next__()) #衣服51号,衣服52号,衣服53号...衣服100号

3-8、生成器的取值方式

def func1():
for i in range(50):
yield i g1 = func1() # 生成器对象 # 方式一:一个next取一次值
for i in range(40):
print(g1.__next__()) # 0-39 # 方式二:直接循环生成器对象,把生成器全部内容一条条输出
for i in g1:
print(i) # 0-49

二、列表推导式,生成器表达式

1、普通方法创建一个元素为1到100的列表

l1 = []
for num in range(1,101):
l1.append(num)
print(l1)

2、列表推导式:一行代码几乎搞定你需要的任何的列表

2-1、两种方式:
  循环模式
  筛选模式

2-2、循环模式:[变量(加工后的变量) for 变量 in iterable]

#1到100的列表
l = [i for i in range(1,101)]
print(l) #[1,2,3,4...100] #python1到python15的列表
l2 = ['python%s' % i for i in range(1,16)]
print(l2) #[python1,python2,python3...python15,] #1到10的平方
l3 = [i*i for i in range(1,11)]
print(l3) #[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

2-3、筛选模式 [变量(加工后的变量) for 变量 in iterable if 条件]

#30以内的偶数
l4 = [i for i in range(1,31) if i % 2 == 0]
print(l4) #[2, 4, 6, 8,10,...28, 30] #30以内能被3整除的数
l5 = [i for i in range(1,31) if i % 3 == 0]
print(l5) #[3, 6, 9, 12, 15, 18, 21, 24, 27, 30] #30以内能被3整除的数的平方
l6 = [i**2 for i in range(1,31) if i % 3 == 0]
print(l6) #[9, 36, 81, 144, 225, 324, 441, 576, 729, 900] #找出列表中含有两个'e'的元素
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
l7 = [j for i in names for j in i if j.count('e') == 2]
print(l7) #['Jefferson', 'Wesley', 'Steven', 'Jennifer']

2-4、列表推导式优缺点
优点:一行解决,方便。
缺点:容易着迷,不易排错,不能超过三次循环。
列表推导式不能解决所有列表的问题,所以不要太刻意用。

3、生成器表达式:将列表推导式的[]换成()即可

g = (i for i in range(100000000000))
print(g) #生成器表达式左边的变量g是生成器对象
print(g.__next__()) #
print(g.__next__()) #
print(g.__next__()) # 上面代码相当于:
def func():
for i in range(100000000000):
yield i
g = func() #生成器对象
print(g.__next__())
print(g.__next__())
print(g.__next__())

4、扩展

4-1、字典推导式

# 例一:将一个字典的key和value对调
dic = {'a': 10, 'b': 34}
new_dic = {dic[k]: k for k in dic}
print(new_dic)
# 结果:
# {10: 'a', 34: 'b'} # 例二:合并大小写对应的value值,将k统一成小写
dic = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
new_dic = {k.lower():dic.get(k.lower(),0) + dic.get(k.upper(),0) for k in dic}
print(new_dic)
# 结果:
# {'a': 17, 'b': 34, 'z': 3}

4-2、集合推导式

# 例一:计算列表中每个值的平方,自带去重功能
set1 = {x**2 for x in [1, -1, 2]}
print(set1)
# 结果:
# {1, 4}

4-3、集合推导式和字典推导式的区别

相同点:外层都是使用大括号{}
不同点:返回的形式是 key:values 形式的就是字典,返回的形式是 values1,values2...形式的是集合
# 集合推导式
set1 = {x**2 for x in (1, -1, 2)}
print(set1,type(set1)) # {1, 4} <class 'set'> # 字典推导式
dic1 = {x**2:x for x in (1, -1, 2)}
print(dic1,type(dic1)) # {1: -1, 4: 2} <class 'dict'>

4-4、练习题

# 例1:  过滤掉长度小于3的字符串列表,并将剩下的转换成大写字母
l1 = [i.upper() for i in ['asdf','a','b','qwe'] if len(i) >= 3]
print(l1)
# 结果:
# ['ASDF', 'QWE'] # 例2: 求(x,y)其中x是0-5之间的偶数,y是0-5之间的奇数组成的元组列表
l2 = [(x,y) for x in range(6) if x % 2 ==0 for y in range(6) if y % 2 == 1]
print(l2)
# 结果:
# [(0, 1), (0, 3), (0, 5), (2, 1), (2, 3), (2, 5), (4, 1), (4, 3), (4, 5)] # 例3: 求M中3,6,9组成的列表
M = [[1,2,3],[4,5,6,24,3],[7,8,9,12,9]]
l3 = [j for i in M for j in i for z in [3,6,9] if j / z == 1 ]
print(l3)
# 结果:
# [3, 6, 3, 9, 9]