知识点1
列表生成式
# 列表生成式
[i ** 2 for i in range(1, 11)]
# 加入判断条件
[i ** 2 for i in range(1, 11) if i % 3 == 0]
# 加入循环
[i + j for i in 'abcd' for j in 'xyz']
[i + j + k for i in 'abcd' for j in 'xyz' for k in '12345']
# 获取字典dict k-v
[k + '=>' + str(v) for k, v in {'a': 123, 'b': 456}.items()]
# if-else
[i ** 2 if i%2==0 else i+100 for i in range(1, 11)]
import re
l = ['a', 'b1']
ll = [i if re.search('d', i) is None else i[0:re.search('d', i).endpos - 1] for i in l]
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator
# 生成器
g = (x ** 2 if x % 3 == 0 else x + 1000 for x in range(20))
# <generator object <genexpr> at 0x0000000003217A50> 生成器对象
next(g)
def odd():
print('step1')
yield 1
print('step2')
yield 3
print('step3')
yield 5
o = odd()
next(o)
next(o)
# 我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。
for i in o:
print(1)
o1 = odd()
for i in o1:
print(1)
def fib(max):
n, a, b = 0, 0, 1
while n < max:
print(b)
a, b = b, a + b
n += 1
print('n=', n, ',b=', b)
return 'done'
fib(6)
# 推算规则转换成生成器
# fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
#
# 也就是说，上面的函数和generator仅一步之遥。
def fib_g(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n += 1
return 'done'
f_g = fib_g(6)
for i in range(7):
r = next(f_g)
print('i=',i,'r=',r)
1
n= 1 ,b= 1
1
n= 2 ,b= 2
2
n= 3 ,b= 3
3
n= 4 ,b= 5
5
n= 5 ,b= 8
8
n= 6 ,b= 13
i= 0 r= 1
i= 1 r= 1
i= 2 r= 2
i= 3 r= 3
i= 4 r= 5
i= 5 r= 8
Traceback (most recent call last):
File "D:/testPy/列表生成式+生成器.py", line 75, in <module>
r = next(f_g)
StopIteration: done
练习题
杨辉三角定义如下：
1
/
1 1
/ /
1 2 1
/ / /
1 3 3 1
/ / / /
1 4 6 4 1
/ / / / /
1 5 10 10 5 1
把每一行看做一个list，试写一个generator，不断输出下一行的list
MAX = 100
def triangles():
yield [1]
yield [1, 1]
pre = [1, 1]
i = 0
while i < MAX:
l = []
for i in range(len(pre) - 1):
l.append(pre[i] + pre[i + 1])
l = [1] + l + [1]
yield l
pre = l
i += 1
t = triangles()
for i in range(10):
r = next(t)
print(r)
'''
区分
可迭代对象 Iterable
迭代器 Iterator
'''
from collections import Iterable,Iterator
isinstance([],Iterable)
isinstance({},Iterable)
isinstance('abc',Iterable)
isinstance((1,2,3),Iterable)
isinstance((x for x in range(10)),Iterable)
isinstance([],Iterator)
isinstance({},Iterator)
isinstance('abc',Iterator)
isinstance((1,2,3),Iterator)
isinstance((x for x in range(10)),Iterator)
isinstance(iter([]),Iterator)
isinstance(iter({}),Iterator)
isinstance(iter('abc'),Iterator)
isinstance(iter((1,2,3)),Iterator)
isinstance(iter((x for x in range(10))),Iterator)
'''
@
可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象
@
而生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了。
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用isinstance()判断一个对象是否是Iterator对象
@
生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。
把list、dict、str等Iterable变成Iterator可以使用iter()函数
@
你可能会问，为什么list、dict、str等数据类型不是Iterator？
这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。
'''
Python yield 使用浅析 https://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/index.html
另一个例子
另一个 yield 的例子来源于文件读取。如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取：
清单 9. 另一个 yield 的例子
|
1
2
3
4
5
6
7
8
9
|
def read_file(fpath): BLOCK_SIZE = 1024 with open(fpath, 'rb') as f: while True: block = f.read(BLOCK_SIZE) if block: yield block else: return |
以上仅仅简单介绍了 yield 的基本概念和用法，yield 在 Python 3 中还有更强大的用法，我们会在后续文章中讨论。
def _int_iter():
'''
生成器，生成从3开始的无限奇数序列
:return:
'''
n = 1
while True:
n = n + 2
yield n
def _not_divisible(n):
'''
定义筛选函数
:param n:
:return:
'''
return lambda x: x % n > 0
def primes():
# 先返回一个2
yield 2
# 初始序列
it = _int_iter()
while True:
n = next(it)
yield n
it = filter(_not_divisible(n), it)
g = primes()
for n in g:
if n < 100:
print(n)
else:
break
https://baike.baidu.com/item/埃拉托色尼筛选法
filter - 廖雪峰的官方网站 https://www.liaoxuefeng.com/wiki/1016959663602400/1017404530360000