-
列表生成式 ( List Comprehensions),是一种简洁的列表创建的方法
eg.1 偶数生成( 条件语句 )
>>> [x for x in range(10) if x % 2 == 0]
[2, 4, 6, 8]
eg.2 平方数生成( 运算式逻辑 )
>>> [x * x for x in range(10)]
[1, 4, 9, 16, 25, 36, 49, 64, 81]
eg.3 字符全排列( 二重循环 )
>>> [m + n for m in 'ABC' for n in 'XYZ']
['AX', 'AY', 'AZ', 'BX', 'BY', 'BZ', 'CX', 'CY', 'CZ']
eg.4 字典转换( 双元迭代 )
>>> Dict = {'x': 'A', 'y': 'B', 'z': 'C' }
>>> [i + ' = ' + j for i, j in Dict.items()]
['x = A', 'y = B', 'z = C']
-
列表生成器 ( List Generator),在 Python 中,是一种边循环边推算的生成机制
通过列表生成式,我们可以快速简洁地创建一个列表
但是,由于受到内存的限制,列表容量有限,而且,创建一个包含海量元素的列表,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,那我们可以在迭代的过程中不断推算出后续的元素,这样就不必创建完整的列表,从而节省大量的空间
生成器( 一类特殊的迭代器 )仅仅保存了一套生成数值的算法,并且没有让这个算法现在就开始执行,而是你什么时候调它,它什么时候开始计算一个新的值,并返回给你
eg.1 在生成式语法的基础上修改生成器
>>> (x * x for x in range(10)) # 将 [] 修改为 ()
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
eg.2 在函数语法的基础上修改生成器
def Fibonacci(Max):
cnt = 0
a, b = 0, 1
while n < Max:
yield b # 将 print b 修改为 yield b
cnt += 1
a, b = b, a + b
函数与 Generator 的执行流程:
普通函数是顺序执行,遇到 return 语句或尾行语句就返回,而生成器函数在每次调用 next() 或通过 send() 赋值
的时候执行,遇到 yield
语句返回,再次执行时从上次返回的 yield
语句处继续执行,直到计算到最后一个元素,当没有更多的元素时,则会抛出 StopIteration 的错误
>>> def Test():
print 'step 1'
yield 1
print 'step 2'
yield 2
print 'step 3'
yield 3
>>> T = Test()
>>> T.next()
step 1
1
>>> T.next()
step 2
2
>>> T.next()
step 3
3
>>> T.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration