python生成器和列表解析

什么是生成器？

可以理解为一种数据类型，这种数据自动实现了迭代器协议（其他数据类型需要调用自己内置的_iter_方法），所以生成器就是可迭代对象

python提供生成器的两种表现形式：

1.生成器函数：

常规函数的定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次从它离开的地方继续执行。**函数里有yiled，执行函数就是一个生成器，不管yield位置在哪。采集函数创建生成器时，如果函数中含有return，则不会通过return得到任凭结果，return中止当前生成器，如果执行next()会报错。**简单示例如下：

def test():
    global callback
    callback=yield 2
    print(callback)
    callback2=yield 1
    print(callback2)
    yield 3
g=test()
print(g)
print(g.__next__())
print(g.send("这是传到生成器里面的值"))
print(g.send("这是传到生成器2里面的值"))

结果：

<generator object test at 0x000000000260A5C8>
2
这是传到生成器里面的值
1
这是传到生成器2里面的值
3

return的问题上面说过，就不实例了
这里说下next和send：
首先：要执行send之前，必须要先至少执行一个next
两者效果大体相同，只是send在执行是可以给生成器里的当前执行到的yield（这也是为什么要先next，不然生成器函数没开始执行，没到yield）一个返回值。

2.生成器表达式：

类似于列表推导，但是生成器返回按需要产生的一个对象，而不是一次构建一个结果列表

补充一个列表解析

"SB" if name=="alex" else "shuaige"

用法：

name="alex"
res="SB" if name=="alex" else "shuaige"
print(res)
name="yueshouhu"
res="SB" if name=="alex" else "shuaige"
print(res)

结果是：

SB
shuaige

。。。。。。。。。。。。。。。。。。。。。。。。。。

number_list=[ i for i in range(10)]
print(number_list)

传统代码

number_list=[]
for i in range(10):
    number_list.append(i)
print(number_list）

 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

列表解析：

number_list=[ i for i in range(10) if i>5]
print(number_list)

[6, 7, 8, 9]

用列表解析的好处是相较于传统代码更便利，但是列表解析是直接生成一个完整列表放到内存中，很占内存，并且影响运行效率。
如执行number_list=[ i for i in range(10000000000000000000000000000)]，电脑将会直接卡死，只能重启，故需要使用生成器表达式

生成器表达式

number_list=(i for i in range(1000000000000000000))

将原有列表解析的[ ] 改成（）

number_list=(i for i in range(1000000000000000000)if i>10)
print(number_list)
print(number_list.__next__())
print(number_list.__next__())

结果:

<generator object <genexpr> at 0x00000000026D6468>
11
12

综上，生成器的好处：

使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生所有结果放到内存里。

生成器小结;

1.是可迭代对象
2.实现了延迟操作，省内存
3.生成器和其他数据类型本质一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处，其他的可迭代对象可没有这点好处