python之生成器

先来看几个推导式：列表推导式，集合推导式，字典推导式

#列表推导式 格式：[表达式 for 变量 in 旧列表]
#将0-100中的偶数加5，组成新的列表
list=[x+5 for x in range(0,100) if x%2==0]
print(list)

#集合推导式  格式：{表达式 for 变量 in 旧列表}
#类似列表推导式，在列表推导式基础上添加了一个去除重复项的功能
list=[1,2,3,2,5,1,9]
set={x for x in list if x<5}
print(set)

#字典推导式
#将字典中的key和value值交换
dict={1:'a',2:'b',3:'c',4:'d',5:'e'}
newdict={value:key for key,value in dict.items()}

运行结果：

[5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35, 37, 39, 41, 43, 45, 47, 49, 51, 53, 55, 57, 59, 61, 63, 65, 67, 69, 71, 73, 75, 77, 79, 81, 83, 85, 87, 89, 91, 93, 95, 97, 99, 101, 103]
{1, 2, 3}
{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}

通过各种推导式（生成式），可以用很少的代码实现创建一个新的列表/字典，但是受到内存限制，列表容量肯定是有限的。比如如果需要创建一个包含100万个元素的列表，不仅占用很大的存储空间，而且如果使用时仅仅之需要访问前面的几个元素，那后面的绝大多数元素占用的空间就都白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？

这样就不必创建完整的list，从而节省大量的空间，这种一边循环一边计算的机制，在python中叫做生成器，generator

先来看一个简单的生成器1：通过列表推导式方式

#生成器1
#将列表推导式的[]改成(),就变成了生成器

list=(x+5 for x in range(0,100) if x%2==0)
print(list)
print(type(list))

#有两种方式可以通知生成器生成元素
#方式一：通过调用__next__()方式得到元素
print(list.__next__())

#方式二：使用next()来获取生成器中的元素
print(next(list))

运行结果：

<generator object <genexpr> at 0x000001703A8C17D8>
<class 'generator'>
5
7

生成器2：借助函数+yield组合为一个生成器

#生成器2：借助函数完成
#只要函数中出现了yield关键字，函数就变成生成器了
'''
步骤：
1.定义一个函数，函数中使用yield关键字，yield起到return+暂停的作用
2.调用函数，接收调用函数返回的结果
3.得到的结果就是生成器
4.借助next()得到元素
'''
def func():
    n=0
    while True:
        n+=1
        # print(n)
        yield n#不加yield就是一个死循环，yield类似return+暂停作用

g=func()
print(type(g))#g为一个生成器
print(next(g))
print(next(g))

运行结果：

<class 'generator'>
1
2

生成器的应用-斐波拉契数列

#斐波那契数列0，1，1，2，3，5，8……
def fib(len):
    a,b=0,1
    n=0
    while n<len:
        # print(b)
        yield b #yield=return b的值+暂停
        a,b=b,a+b
        n+=1
    return '没有更多元素了'

f=fib(5)
print(next(f))#打印1
print(next(f))#接着从暂停处的下一行开始执行
print(next(f))
print(next(f))
print(next(f))
#print(next(f))

运行结果：

1
1
2
3
5

生成器在开发程序中的应用-协程

先看一个例子：

def task1(n):
    for i in range(1,n):
        print('正在搬第{}块砖'.format(i))

def task2(n):
    for i in range(1,n):
        print('正在听第{}首歌'.format(i))

g1=task1(5)
g2=task2(5)

运行结果：

正在搬第1块砖
正在搬第2块砖
正在搬第3块砖
正在搬第4块砖
正在听第1首歌
正在听第2首歌
正在听第3首歌
正在听第4首歌

以上例子中的两个任务，实现的是先做完任务1再做任务2，如果想要实现任务1和任务2交替进行，如搬第1块砖，听第1首歌则需要用到协程

将上面的代码改为：

#生成器在开发程序中的应用-协程
#进程>线程>协程（几个任务交替进行）
#实现搬一块砖，听一首歌

def task1(n):
    for i in range(1,n):
        print('正在搬第{}块砖'.format(i))
        yield None #只用yield的暂停功能，不返回任何值

def task2(n):
    for i in range(1,n):
        print('正在听第{}首歌'.format(i))
        yield None

g1=task1(5)#task1变为生成器1
g2=task2(5)#task2变为生成器2

while True:
    try:
        next(g1)#执行完任务1，暂停
        next(g2)#执行任务2，暂停
    except:
        break

运行结果：

正在搬第1块砖
正在搬第2块砖
正在搬第3块砖
正在搬第4块砖
正在听第1首歌
正在听第2首歌
正在听第3首歌
正在听第4首歌

拓展：迭代器和生成器的区别

#可迭代的对象：生成器，列表，集合，字典，字符串
'''
迭代是访问集合元素的一种方式，迭代器是一个可以记住遍历的位置的对象
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束
迭代器只能往前不会后退
'''
#判断一个对象是否可迭代
from collections import Iterable

#判断列表
list=[1,2,3]
f=isinstance(list,Iterable)
print(f)
#判断字符串
f=isinstance('abc',Iterable)
print(f)
#判断整型
f=isinstance(123,Iterable)
print(f)
#判断生成器
g=(x+1 for x in range(10))
f=isinstance(g,Iterable)
print(f)

运行结果：

True
True
False
True

可迭代的对象不一定是迭代器，还需要看这个对象是否支持调用next()函数

但是可以通过iter函数来将可迭代的对象变成迭代器

'''
可迭代+可以被next()函数调用并不断返回下一个值得对象称为迭代器：Iterator
可迭代的对象不一定是迭代器
'''

#列表是可迭代的，但不是迭代器(不能使用next()函数)
list=[1,2,3,4,5]
# print(next(list)) #报错，返回list不是一个迭代器

#通过iter函数将可迭代对象变成迭代器
g=iter(list)
print(next(g)) #打印1

所以迭代器和生成器的关系如下图：生成器是迭代器中的一种，迭代器包括生成器，还包括借助iter()转换后的列表，元组等。