1.复习
# 迭代器和生成器 # 迭代器： # 双下方法 ： 很少直接调用的方法。一般情况下，是通过其他语法触发的 # 可迭代的 —— 可迭代协议 含有__iter__的方法('__iter__' in dir(数据)) # 可迭代的一定可以被for循环 # 迭代器协议: 含有__iter__和__next__方法 # 迭代器一定可迭代，可迭代的通过调用iter()方法就能得到一个迭代器 # 迭代器的特点： # 很方便使用，且只能取所有的数据取一次 # 节省内存空间 # 生成器 # 生成器的本质就是迭代器 # 生成器的表现形式 # 生成器函数 # 生成器表达式 # 生成器函数： #含有yield关键字的函数就是生成器函数 #特点： #调用函数的之后函数不执行，返回一个生成器 #每次调用next方法的时候会取到一个值 #直到取完最后一个，在执行next会报错 # 写生成器实现：有一个文件，从文件里分段读取内容 # readline # read(10) # 在读出来的内容前面加上一个'***'，再返回给调用者 def generator(): for i in range(20000): yield '哇哈哈%s'%i # g = generator() #调用生成器函数得到一个生成器 # print(list(g)) # ret = g.__next__() #每一次执行g.__next__就是从生成器中取值，预示着生成器函数中的代码继续执行 # print(ret) num = 0 for i in g: num += 1 if num > 50: break print(i) # 从生成器中取值的几个方法 # next # for # 数据类型的强制转换 : 占用内存
2.生成器函数进阶
# def generator(): # print(123) # content = yield 1 # print('=======',content) # print(456) # arg = yield 2 # '''''' # yield # g1 = generator() # g2 = generator() # g1.__next__() # g2.__next__() # print('***',generator().__next__()) # print('***',generator().__next__()) # 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 # 获取移动平均值 # 10 20 30 10 # 10 15 20 17.5 # avg = sum/count # def average(): # sum = 0 # count = 0 # avg = 0 # while True: # num = yield avg # sum += num # 10 # count += 1 # 1 # avg = sum/count # # avg_g = average() # avg_g.__next__() # avg1 = avg_g.send(10) # avg1 = avg_g.send(20) # print(avg1) #预激生成器的装饰器 # def init(func): #装饰器 # def inner(*args,**kwargs): #===>average # g = func(*args,**kwargs) # g.__next__() # return g # return inner # # @init # def average(): # sum = 0 # count = 0 # avg = 0 # while True: # num = yield avg # sum += num # 10 # count += 1 # 1 # avg = sum/count # # avg_g = average() #===> inner # ret = avg_g.send(10) # print(ret) # ret = avg_g.send(20) # print(ret) #python 3 # def generator(): # a = 'abcde' # b = '12345' # for i in a: # yield i # for i in b: # yield i # def generator(): # a = 'abcde' # b = '12345' # yield from a # yield from b # # g = generator() # for i in g: # print(i) # send # send的作用范围和next一模一样 # 第一次不能用send # 函数中的最后一个yield不能接受新的值 # 计算移动平均值的例子 # 预激生成器的装饰器的例子 # yield from
3.生成器表达式
# 林海峰 # egon # egg_list=['鸡蛋%s'%i for i in range(10)] #列表推导式 # print(egg_list) # egg_list = [] # for i in range(10): # egg_list.append('鸡蛋%s'%i) # print(egg_list) # print([i*i for i in range(10)]) #生成器表达式 g = (i for i in range(10)) print(g) # for i in g: # print(i) # 括号不一样 # 返回的值不一样 === 几乎不占用内存 # 老母鸡=('鸡蛋%s'%i for i in range(10)) #生成器表达式 # print(老母鸡) # for 蛋 in 老母鸡: # print(蛋) # g = (i*i for i in range(10)) # g.__next__()
4.各种推导式
#[每一个元素或者是和元素相关的操作 for 元素 in 可迭代数据类型] #遍历之后挨个处理 #[满足条件的元素相关的操作 for 元素 in 可迭代数据类型 if 元素相关的条件] #筛选功能 # #30以内所有能被3整除的数 # ret = [i for i in range(30) if i%3 == 0] #完整的列表推导式 # g = (i for i in range(30) if i%3 == 0) #完整的列表推导式 # print(ret) # # #30以内所有能被3整除的数的平方 # ret = [i*i for i in (1,2,3,4) if i%3 == 0] # ret = (i*i for i in range(30) if i%3 == 0) # print(ret) # # # 例三:找到嵌套列表中名字含有两个‘e’的所有名字 # names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'], # ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']] # ret = [name for lst in names for name in lst if name.count('e') ==2] # ret = (name for lst in names for name in lst if name.count('e') ==2) # print(ret) #字典推导式 # 例一：将一个字典的key和value对调 # mcase = {'a': 10, 'b': 34} # #{10:'a' , 34:'b'} # mcase_frequency = {mcase[k]: k for k in mcase} # print(mcase_frequency) # 例二：合并大小写对应的value值，将k统一成小写 # mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3} # #{'a':10+7,'b':34,'z':3} # mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase} # print(mcase_frequency) #集合推导式，自带结果去重功能 # squared = {x**2 for x in [1, -1, 2]} # print(squared) #各种推导式 ： 生成器 列表 字典 集合 #遍历操作 #筛选操作