python 生成器

主要内容:

• 1. 生成器和生成器函数
• 2. 列表推导式

1. 生成器和生成器函数

  (1) 什么是生成器----   生成器实质就是迭代器

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

 

def func():
    lst = []
    for i in range(10000):
        lst.append("衣服%s" % i)
    yield lst
lst = func()
print(lst)                     # <generator object func at 0x00000248A1A90D00>

 

由于函数中存在了yield. 那么这个函数就是⼀个生成器函数. 这个时候. 我们再执行这个函数的时候. 就不再是函数的执行了. 而是获取这个生成器.生成器的本质是迭代器. 所以. 我们可以直接执行__next__()来执行生成器.

def func():
    for i in range(1, 10000):
        yield "衣服%s" % i
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⼀一样. 也是返回
print(ret)                      #衣服1

直接⼀次性全部拿出来会很占用内存可以使用生成器: ⼀次就⼀个用多少生成多少,生成器是⼀个⼀个的指向下⼀个,不会回去, __next__()到哪, 指针就指到哪儿. 下⼀次继续获取指针指向的值. 

def func():
    lst = []
    for i in range(1,10000):
        lst.append("衣服%s" % i)
        if i % 50==0:
            yield lst
            lst=[]
gen = func()
yf1=gen.__next__()
print(yf1)
yf2=gen.__next__()
print(yf2)

 

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

上面的两种方式可以实现分段去取

(2)return 和yield

def func():    
    print("111")    
    yield 222    
    print("333")    
    yield 444 
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__()程序报错,也就是说.和return⽆无关了了. 
print(ret3) 

# 结果: 
# 111
# Traceback (most recent call last):
# 222
# 333  File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in <module>
# 444
  ret3 = gener.__next__()  # 最后⼀一个yield执⾏行行完毕. 再次__next__()程序报错,
 也 就是说. 和return⽆无关了. StopIteration

yield是分段来执行⼀个函数. return是直接停止执行函数.

(3) send 方法  send和__next__()一样都可以让生成器执行到下一个yield. 

def eat():
    print("我吃什什么啊")
    a = yield "馒头"
    print("a=",a)
    b = yield "⼤大饼"
    print("b=",b)
    c = yield "⾲菜盒⼦"
    print("c=",c)
    yield "GAME OVER"
gen = eat()     # 获取生成器
ret1 = gen.__next__()
print(ret1)                 #我吃什什么啊   馒头
ret2 = gen.send("胡辣汤")
print(ret2)                 #a= 胡辣汤     ⼤大饼
ret3 = gen.send("狗粮")
print(ret3)                 #b= 狗粮     ⾲菜盒⼦
ret4 = gen.send("猫粮")
print(ret4)                 #c= 猫粮   GAME OVER

send和__next__()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()

(4)生成器可以使用for循环来循环获取内部的元素:

def func():
    yield "麻花藤"
    yield "李彦宏"
    yield "马云"
    yield "刘强东"
gen = func()
print("__iter__" in dir(gen))    # 生成器的本质是迭代器.              True
# for el in gen:                 # 生成器可以直接使用for循环
#     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)                       #['麻花藤', '李彦宏', '马云', '刘强东']

2. 推导式

(1) 列表推导式  [结果 for循环 if筛选]

# 获取1-100内能被3整除的数
lst = [i for i in range(1, 101) if i % 3 == 0]
print(lst)
 # 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]
print(lst)

# 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)

列表推导式:一次性把所有数据创建出来,容易产生内存浪费

(2)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)

(4)集合推导式

lst = ["2","4","5","3","4","4","2","3"]
s = {el for el in lst}
print(s)                         #起到去重的作用

(5)生成器表达式

 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))    # generator

生成器表达式只是记录一下代码。 然后每次需要的时候去生成器中执行一次这个代码

转载于:https://www.cnblogs.com/avit/p/10209824.html