一、生成器和生成器函数
定义:生成器的本质就是迭代器
1、生成器的三种创建办法:
1、通过生成器函数
2、通过生成器表达式创建生成器
3、通过数据转换
def func(): print("紫薇") return "林心如" ret = func() print(ret) #结果: 紫薇 林心如 #将函数中的return换成yield就是生成器 def func(): print("紫薇") yield "林心如" ret = func() print(ret) #结果: <generator object func at 0x0000021592113EB8> #运行的结果和上面的不一样,由于在函数中存在了yield。那么函数就是一个生成器函数,这个时候,我们在执行这个函数的时候这个函数就不是个函数了,而是获取了这个生成器。
2、生成器函数:
函数中包含了yield的就是生成器函数
#直接执行__next__()来执行一下生成器
def func(): print("紫薇") yield "林心如" 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: 紫薇 林心如 #yield和return的效果是一样的,它们的区别是:yield是分段来执行一个函数,return是停止执行函数 def func(): print("紫薇") yield "林心如" print("小燕子") yield "赵薇" gener = func() ret = gener.__next__() print(ret) ret2 = gener.__next__() print(ret2) ret3 = gener.__next__() #最后一个yield执行完毕,再次__next__()程序会报错,也就是说,和return无关了 print(ret3) #结果: 紫薇 Traceback (most recent call last): 林心如 File "D:/py/python_tc/day13/test.py", line 111, in <module> ret3 = gener.__next__() 小燕子 StopIteration 赵薇 @当程序运行玩最后一个yield,那么后面继续进行__next__()程序会报错。
注意:生成器函数被执行,获取的是生成器,而不是函数的执行
4、取值:
1、__next__()
#生成去的作用: 例: def cloth(): lst = [] for i in range(1,1000): lst.append("衣服" + str(i)) return lst cl = cloth() print(cl) #衣服我这样做是一次拿完,如果是想一件一件的拿呢? def cloth(): for i in range(1,1000): yield "衣服" + str(i) cl = cloth() print(cl.__next__()) print(cl.__next__()) print(cl.__next__()) print(cl.__next__()) #这样就实现了一件一件的拿。 @区别:第一种是直接一次性全部拿出来,会很占内存,第二种是使用生成器,一次就拿一个,用多少就生成多少,生成器是一个一个的指向下一个。不会回去,__next__()到哪儿指针就指到哪儿,下一次继续获取指针指向的值。
2、send(值)给上一个位置传一个值,第一个和最后一个yield不用传值
send()和__next__()一样都可以让生成器执行下一个yield。 def love(): print("我喜欢谁?") a = yield "林心如" print("a=",a) b = yield "赵丽颖" print("b=",b) c = yield "陈乔恩" print("c=",c) yield "其实是朴信惠" gener = love() #获取生成器 ret1 = gener.__next__() print(ret1) ret2 = gener.send("碧瑶") print(ret2) ret3 = gener.send("东方不败") print(ret3) ret4 = gener.send("车恩尚") print(ret4) #结果: 我喜欢谁? 林心如 a= 碧瑶 赵丽颖 b= 东方不败 陈乔恩 c= 车恩尚 其实是朴信惠
@、send()和__enxt__()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()
3、可以for循环
def func(): print(111) yield 222 print(333) yield 444 print(555) yield 666 gen = func() for el in gen: print(el) #结果: 111 222 333 444 555 666
二、各种推导式和生成器表达式
1、列表推导式 [结果 for 变量 in 可迭代对象 if 筛选]
例1:给出一个列表,通过循环,向列表中添加1-14 lst = [] for i in range(1,15): lst.append(i) print(lst) #替换成列表推导式 lst = [i for i in range(1,15)] print(lst) @列表推导式是通过一行来构建你要的列表,列表推导式看起来代码简洁,但是出错之后很难排查。 列表推导式的语法: [结果 for 变量 in 可迭代对象] 例2:从python1期到python14期写入列表: lis = ["python%s" %i for i in range(1,15)] print(lis) @对列表数据进行筛选:筛选模式:[结果 for 变量 in 可迭代对象 if 条件] 例3:获取1-100内所有的偶数 lis = [i for i in range(1,100) if i % 2 == 0] print(lis)
2、字典推导式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=》key:value
例1:把字典中的key和value互换 dic = {"a":1,"b":2} new_dic = {dic[key]:key for key in dic} print(new_dic) 例2:在一下list中,从lst1中获取的数据和lst2中相对应的位置的数据组成一个新字典 lst1 = ["紫薇","五阿哥","小燕子",] lst2 = ["林心如","苏有朋","赵薇"] dic = {lst1[i]:lst2[i] for i in range(len(lst1))} print(dic)
3、集合推导式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=》key
集合推导式可以帮助我们直接生成一个集合。集合的特点:无序、不重复。所以集合推导式自带去重功能。
例:绝对值去重: lst = [1,-1,8,-8,12] s = {abs(i) for i in lst} print(s)
4、生成器表达式: (和列表推导式的语法基本上是一样的,只是把[]替换成())
gen = (i for i in range(10)) print(gen) #结果: <generator object <genexpr> at 0x000002AE1DC83D58> #结果打印的就是一个生成器 我们可以使用for循环来循环这个生成器: gen = ("赵丽颖我第%s次爱你" %i for i in range(10)) for i in gen: print(i)
生成器表达式也可以进行筛选:
例1:获取1-100以内能被3整除的数 shu = (i for i in range(1,100) if i % 3 == 0) for num in shu: print(num) 例2:100以内能被3整除的平方 shu = (i**2 for i in range(1,100) if i % 3 == 0) for unm in shu: print(unm) 例3: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']] #不用推导式和表达式 new_names = [] for el1 in names: for el2 in el1: if el2.count("e") >= 2: new_names.append(el2) print(new_names) #结果:['Jefferson', 'Wesley', 'Steven', 'Jennifer'] #使用表达式 new_names = (el2 for el1 in names for el2 in el1 if el2.count("e")>=2) for name in new_names: print(name) #结果: Jefferson Wesley Steven Jennifer
生成器表达式和列表推导式的区别:
1、列表推导式比较耗内存,一次性加载. ⽣成器表达式⼏乎不占⽤内存. 使⽤的时候才分 配和使⽤内存 。
2. 得到的值不⼀样. 列表推导式得到的是⼀个列表. ⽣成器表达式获取的是⼀个⽣成器.
举个栗⼦:
同样⼀篮⼦鸡蛋. 列表推导式: 直接拿到⼀篮⼦鸡蛋. ⽣成器表达式: 拿到一个老⺟鸡. 需要鸡蛋就给你下鸡蛋.
@生成器的惰性机制:生成器只有在访问的时候菜取值,也就式你要他才给你值,不找他要,他是不会执行的。
def func(): print(111) yield 222 g = func() #生成器g g1 = (i for i in g) #生成器g1,但g1的数据来源于g g2 = (i for i in g1) #生成器g2,数据来源于g1 print(list(g)) #获取g中的数据。这时func()才会被执行,打印111.获取到222,g完毕 print(list(g1)) #获取g1中的数据。g1的数据来源于g,但是g已经取完了,g1也就没有数据了 print(list(g2)) #和g1同理 #结果: 111 [222] [] [] 深坑 ==>生成器,要值的时候才拿值。
@一道非常难的面试题: def add(a,b): return a + b def test(): for r_i in range(4): yield r_i g = test() for n in [2,10]: g = (add(n,i) for i in g) print(list(g)) #结果: [20, 21, 22, 23] 友情提示:惰性机制,不到最后不会拿值