012-2018-09-18 生成器

1.今日内容大纲

一. 昨日内容回顾
    函数名(第一类对象)
        1. 函数名可以当做变量来用
        2. 函数名可以作为集合类的元素
        3. 函数名可以作为参数传递
        4. 函数名可以作为返回值返回

    __name__ 查看函数的名字
    __doc__ 查看函数的文档注释

    闭包:
        内部函数对外部函数中的变量的调用
        def outer():
            a = 10
            def inner():
                a
            return inner
        好处:
            1. 保护变量
            2. 常驻内存

    迭代器:
        dir() 查看数据可以执行的方法
        Iterable: 在数据内部存在 __iter__()  可以被迭代的内容.
        Iterator: 迭代器. 存在__iter__() 还存在__next__()

        还可以引入collections 中的Iterable和Iterator
        isinstance(对象, 类型) 可以判断xxx对象是否是xxx类型

        特征:
            1. 节省内存
            2. 惰性机制(只有执行__next__()才会取值)
            3. 只能向前.

        for循环内部使用的是迭代器
            lst = [1,2,3]
            it = lst.__iter__()
            while 1:
                try:
                    it.__next__()
                except StopIteration:
                    break

二. 今日主要内容
    1. 生成器
        生成器的本质就是迭代器.
        生成器由生成器函数来创建或者通过生成器表达式来创建

    2. 生成器函数
        生成器函数:在函数中return换成yield. 这个函数就是生成器函数
        def func():
            yield

        gen = func() 函数并不会被执行, 而是创建一个生成器对象

        取值:
            gen.__next__() 下一个
            gen.send() 可以给上一个yield传值, 第一次执行不能用send()

        特性:
            1. 节省内存
            2. 惰性机制
            3. 只能向前

    3. 各种推导式
        1.列表推导式: [结果 for循环 if条件]
        2.字典推导式: { key: value for循环 if条件}
        3.集合推导式: {key for循环 if条件}
    4. 生成器表达式(笔试题)
        (结果 for循环 if条件)

        惰性机制
        记录在内存中的一段代码.

    预习:
        内置函数一.

---

2.生成器

# def func():
#     lst = []
#     for i in range(10000):
#         lst.append("衣服%s" % i)
#     return lst
# lst = func()
# print(lst)

# def func():
#     for i in range(1, 10000):
#         yield "衣服%s" % i
#
# gen = func()
# for i in range(50):
#     yf = gen.__next__()
# for i in range(50):
#     yf = gen.__next__()
# for i in range(50):
#     yf = gen.__next__()

# def func():
#     lst = []
#     for i in range(1, 10000):
#         lst.append("衣服%s" % i)
#         if i % 50 == 0:
#             yield lst
#             lst = [] # 新的装衣服的地方
#
# gen = func()
# yf1 = gen.__next__()
# print(yf1)
# yf2 = gen.__next__()
# print(yf2)
# yf3 = gen.__next__()
# print(yf3)
# yf4 = gen.__next__()
# yf5 = gen.__next__()
# print(yf1)
# print(yf2)
# print(yf3)
# print(yf4)
# print(yf5)



# 生成器:本质是迭代器, 写法和迭代器不一样. 用法和迭代器一样
# 生成器函数: 函数中带有yield, 执行生成器函数的时候返回生成器。而不是执行这个函数
# def func():
#     print("你好啊, 我叫赛利亚,")
#     yield "西岚的武士刀" # return 和yield都可以返回数据
#
# ret = func() # generator ret是一个生成器
# print(ret)
# s = ret.__next__() # 当执行到__next__()的时候， 函数才真正的开始执行
# print("接受到的是", s)

# def func():
#     print("打开手机")
#     print("打开陌陌")
#     yield "手机"
#     print("约妹子")
#     print("出来喝喝茶")
#     yield "电脑"
#     print("我加了一句话")
# gen = func() # 生成器
# ret1 = gen.__next__()
# print(ret1)
# ret2 = gen.__next__()
# print(ret2)
# ret3 = gen.__next__()  # 找不到最后一个yield 会报错
# print(ret3)
#

# 特点：
#   1. 节省内存, 几乎不占用内存
#   2. 惰性机制
#   3。只能往前走


# send() 也可以实现类似__next__()的效果, send（）可以给上一个yield传值
#
# def func():
#     print("韭菜盒子")
#     a = yield "哇哈哈"
#     print("肉包子", a)
#     b = yield "脉动"
#     print("锅包肉", b)
#     yield "冰红茶"
#
# gen = func()
# ret = gen.send("胡辣汤")
# print(ret)
#
# ret = gen.send("刘伟") # 给上一个yield传值
# print(ret)
#
# ret = gen.send("刘德华") # 给上一个yield传值
# print(ret)

#  send()和__next__()的区别
# send不可以用在开头
# send可以给上一个yield传值, 不能给最后一个yield传值

def func():
    yield "麻花藤"
    yield "李彦宏"
    yield "马云"
    yield "刘强东"

gen = func()
# print(gen.__next__()) # 麻花藤
# print(gen.__next__()) # 麻花藤
# print(gen.__next__()) # 麻花藤
# print(gen.__next__()) # 麻花藤

# 生成器的本质是迭代器.
# print("__iter__" in dir(gen))
#
# # 生成器可以直接使用for循环
# # for el in gen:
# #     print(el)
#
# lst = list(gen) # 把生成器中的每一个数据拿出来组合成一个列表
# print(lst)

---

3.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)


# 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, {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)

# 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)

---

4.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

---