生成器和各种推导式

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, 我们先看一个很简单的函数:

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
以下生成器.

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.

当程序运行完最后一个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? 我们来看这样这个需求. 老男孩向JACK JONES订
购10000套学⽣服. JACK JONES就比较实在. 直接造出来10000套衣服.

def cloth():lst = []
for i in range(0, 10000):
lst.append("衣服"+str(i))
return lst
cl = cloth()

但是呢, 问题来了. 老男孩现在没有这么多学⽣啊. 一次性给我这么多. 我往哪放啊. 很尴尬
啊. 最好的效果是什么样呢? 我要1套. 你给我1套. 一共10000套. 是不是最完美的. 

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.

 接下来我们来看send方法, send和__next__()⼀样都可以让生成器执行到下一个yield.

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

 # 列表：装python1期， python2期。。。。。。

# lst = [] # 创建列表# for i in range(1, 17):

# 循环1-16

# lst.append("python%s" % i)

# 装数据#print(lst)

# 推导式
# 列表推导式 : [结果 for循环 if筛选]
lst = ["python%s" % i for i in range(1, 17)]
print(lst)

# 创建列表: [1,3,5,7,9..99]
lst = [i for i in range(1, 100, 2)]
print(lst)

lst = [i for i in range(1,100) if i % 2 == 1]
print(lst)

列表推导式练习:

# 获取1-100内能被3整除的数
# lst = [i for i in range(1, 101) if i % 3 == 0]
#
# # 100以内能被3整除的数的平⽅
# lst = [i*i for i in range(1, 101) if i % 3 == 0]
# 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']]
#
# lst = [name for first in names for name in first if name.count("e") >= 2 ]
# print(lst)

字典推导式

# 字典推导式, {key: value for循环 if 筛选}
# dic = {"张无忌":"九阳神功", "乔峰":"降龙十八掌", "楚留香":"帅"}
# d = {dic[k]: k for k in dic}
# print(d)

lst1 = ["东北", "陕西", "山西", "开封", "杭州", "广东", "济南"]
lst2 = ['大拉皮', "油泼面", "老陈醋", "灌汤包", "西湖鲤鱼", "早茶", "胶东一锅鲜"]

dic = {lst1[i]:lst2[i] for i in range(len(lst1))}
print(dic)

其他推导式

# 集合推导式 无序不重复 可哈希
# {key for if}

lst = ["周杰伦","周伯通","周润发","周伯通","周笔畅","周伯通","周星驰","周伯通"]
s = {el for el in lst}
print(s)

三,生成器表达式

# 元组没有推导式
# [结果 for if]
{key for if}
{key:value for if}
# (结果 for if) # 生成器表达式, 拿到的是生成器

# 可以使用生成器表达式直接创建生成器
gen = (i for i in range(10)) # generator
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())
print(gen.__next__())

生成器表达式: 记录一下代码。 然后每次需要的时候去生成器中执行一次这个代码
列表推导式: 一次性把所有的数据创建出来, 容易产生内存浪费
特性:
1.节省内存
2.惰性机制
3.只能向前。

 

# 生成器函数
def func():
    print(111)
    yield 222

g = func() #  生成器

g1 = (i for i in g) # 生成器
g2 = (i for i in g1) # 生成器

print(list(g1)) # 222
print(list(g2))
print(list(g)) # 才会开始真正的取数据

# 计算两个数的和
def add(a, b):
    return a + b

# 生成器函数, 0-3
def test():
    for r_i in range(4):
        yield r_i

# 获取到生成器

g = test() # 惰性机制

for n in [2, 10]:
    g = (add(n, i) for i in g)  # 循环的内部也是一个生成器

#  __next__()
# list()

print(list(g)) # 刚开始拿数据
# 生成器记录的是代码