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。
1.首先, 我们先看一个很简单的函数:
def func():
print("")
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("")
yield 222
ret = func()
print(ret)
结果: <generator object func at 0x10567ff68>
我们可以直接执行__next__()来执行以下生成器。
def func():
print("")
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.
print(ret)
结果: 111 22
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("")
yield 222
print("")
yield 444
gener = func()
ret = gener.__next__()
print(ret)
ret2 = gener.__next__()
print(ret2)
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.
print(ret3)
当程序运行完后一个yield. 那么后面继续进行__next__()程序会报错.
2.生成器有什么作用呢? 假如我们订购了10000件衣服。
def cloth():
lst = []
for i in range(0, 10000):
lst.append("衣服"+str(i))
return lst
cl = cloth()
但是呢，我们没有地方放这么多，想穿的时候再拿出一件。
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。
3.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()。
4.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
首先我们先一下这样的代码, 给出一个列表, 通过循环, 向列表中添加1--14 :
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]
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
# 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:
gen = (i for i in range(1,100) if i % 3 == 0)
for num in gen:
print(num)
生成器表达式和列表推导式的区别:
1. 列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用内存. 使用的时候才分配和使用内存。
2. 得到的值不⼀一样. 列表推导式得到的是一个列列表. 生成器表达式获取的是一个生成器。
3.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() # ⽣生成器器g
g1 = (i for i in g) # ⽣生成器器g1. 但是g1的数据来源于g
g2 = (i for i in g1) # ⽣生成器器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.
2.字典推导式:推导出来的是字典
# 把字典中的key和value互换
dic = {'a': 1, 'b': ''}
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.
一个⾯面试题. 难度系数500000000颗星:
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))