生成器和Python的三个推导式

一、生成器

我们知道的迭代器有两种：一种是调用方法直接返回的，一种是可迭代对象通过执行iter方法得到的，迭代器有的好处就是节省内存。

如果某些情况下，我们需要节省内存，就只能自己写。我们自己写的这个能实现迭代器功能的东西就叫生成器。总而言之生成器就是我们自己写的迭代器。

Python中提供的生成器：

　　1.生成器函数：常见函数定义，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，挂起函数状态，以便下次从离开的地方继续执行。个人理解就是有一个记忆功能，会记住这次执行结束的状态，然后下次执行的时候从这里继续，每次都是以此往复。

　　2.生成器表达式：类似于列表推导，但是生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表。

　　生成器Generator

　　　　本质：迭代器（所以自带了__iter__和__next__方法）

　　　　特点：惰性运算、开发者自定义

　二、生成器函数

一个包含yield关键字的函数就是一个生成器函数。yield可以为我们从函数中返回值，但是yield又不同于return，return的执行意味着程序的结束，调用生成器函数不会返回具体的值，而是得到一个可迭代对象。每一次获得这个可迭代对象的值，就能推动函数的执行，获取新的返回值。直到函数结束。

import time
def genrator_fun1():
    a = 1
    print('现在定义了a变量')
    yield a
    b = 2
    print('现在又定义了b变量')
    yield b

g1 = genrator_fun1()
print('g1 : ',g1)       #打印g1可以发现g1就是一个生成器
print('-'*20)   #我是华丽的分割线
print(next(g1))
time.sleep(1)   #sleep一秒看清执行过程
print(next(g1))

生成器有什么作用么？
省内存

　　三、send

def generator():
    print(123)
    content = yield 1
    print('=======',content)
    print(456)
    yield2

g = generator()
ret = g.__next__()
print('***',ret)
ret = g.send('hello')   #send的效果和next一样
print('***',ret)

#send 获取下一个值的效果和next基本一致
#只是在获取下一个值的时候，给上一yield的位置传递一个数据
#使用send的注意事项
    # 第一次使用生成器的时候 是用next获取下一个值
    # 最后一个yield不能接受外部的值

四、Python的三大推导式

　　1.列表推导式和生成器表达式

l = [i for i in range(10)]
print(l)
l1 = ['选项%s'%i for i in range(10)]
print(l1)

　　　　1.把列表推导式的[]换成()就得到了生成器表达式（generator）

　　　　2.列表推导式与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存

　　　　3.Python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。例如，sum函数是Python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议，所以我们可以直接这样计算一系列值的和：

sum(x ** 2 for x in range(4))

 　　2.字典推导式

　　　　字典推导和列表推导的使用方法十分类似，只不过把[]改成了{}。上代码：

dic_old = {'a':10, 'b':20}

dic_new = {value:key for key,value in dic_old.items()} # 变key和value的位置
print(dic_new)


#执行结果
#{10: 'a', 20: 'b'}

　　 3.集合推导式

　　　　集合推导式有十分类似，唯一的区别就是集合使用{}，上代码：

set_test= {x**2 for x in [1, 1, 2, 2, 3, 4]}
print(set_test)


# 执行结果
# {16, 1, 4, 9}


#好像有问题哦，怎么6个元素求幂之后丢了两个，往下看↓

#请不要忘记集合是无序的并且会自动去重哦