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
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 0x10567ff68>
运⾏的结果和上⾯不⼀样. 为什么呢. 由于函数中存在了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
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__() # 最后⼀个yield执⾏完毕. 再次__next__()程序报错, 也就是说. 和return⽆关了.
StopIteration
当程序运行完最有一个yield。那么后面继续进行_next_()程序会报错。
好了生成器说完了。生成器有什么作用呢？我们来看这样一个需求。学校向JACK JONES订购10000套学生服。JACK JONES比较实在。直接做出10000套衣服。
def cloth():
lst = []
for i in range(0, 10000):
lst.append("⾐服"+str(i))
return lst
cl = cloth()
好了问题来了。学校如果没有这么多的学生。一次性给这么多，我往哪里放啊。很尴尬，最好的办法是什么呢？我要一套你给i我一套。一共10000套。
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__())
区别在哪里：第一种是直接一次性全拿出来。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。生成器一个一个的指向下去。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。
接下来我们来看下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"
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)
替换成列表推导式：
lst = [i for i in range(1, 15)] print(lst)
列表推导式是通过一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 in 可迭代对象]
例如 ： 从数字1到14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 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
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']]
#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.列表推导式比较消耗内存。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：
同样的鸡蛋。列表推导式：直接拿一篮子鸡蛋。生成器表达式：拿到一个老母鸡。需要时就给你下蛋
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。你找他要才给你值。不找他要。他是不执行的。
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. 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。推出来的时字典
# 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 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.。
一个面试题。难度系数500000000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))
提示：惰性机制，不到最后不会拿值