生成器和各种推导式

最新推荐文章于 2023-11-04 10:36:56 发布

你狗

最新推荐文章于 2023-11-04 10:36:56 发布

阅读量216

点赞数

文章标签： python javascript ViewUI

原文链接：http://www.cnblogs.com/liangxiaoji/p/11247940.html

版权

昨日回顾

1. 函数名 -> 第一类对象
        函数名就是变量名.
        函数可以赋值
        函数可以作为集合类的元素
        函数可以作为参数传递
        函数可以作为返回值返回
    2. 闭包
        语法: 内层函数对外层函数的局部变量的使用
        def wrapper():
            name = ""
            def inner():
                return name
            return inner

        如何查看一个函数是否是闭包
        函数名.__closure__  有值就是闭包. None就不是闭包

        优点:
            1. 保护变量不被侵害 (javascript)
            2. 可以让一个变量常驻内存

    3. 迭代器
        在数据中包含了__iter__是一个可迭代对象.
        for循环内部

        it = lst.__iter__()
        while 1:
            try:
                it.__next__()
            except StopIteration:
                break

        特点:
            1. 节省内存
            2. 惰性机制
            3. 只能向前, 不能反复

        意义: 统一数据类型的遍历工作

        官方查看xxx是迭代器, 可迭代对象
        from collections import Iterable, Iterator

        isinstance(对象, Iterable)
        isinstance(对象, Iterator)

        迭代器一定可迭代   ->   for循环
        可迭代的不一定是迭代器

View Code

今日内容

1. 生成器
        本质就是迭代器.
        一个一个的创建对象
        创建生成器的方式:
            1. 生成器函数
            2. 通过生成器表达式来获取生成器
            3. 类型转换(看不到)
    2. 生成器函数 (重点)
        生成器函数中包含 yield , 返回数据和return差不多.
        return会立即结束这个函数的执行
        yield 可以分段的执行一个函数

        生成器函数在执行的时候返回生成器. 而不是直接执行此函数

        能向下执行的两个条件:
            __next__(), 执行到下一个yield
            send(), 执行到下一个yield, 给上一个yield位置传值

        所有的生成器都是迭代器都可以直接使用for循环
        都可以使用list()函数来获取到生成器内所有的数据

        生成器(##每次调用生成器函数就创建了一个生成器)中记录的是代码而不是函数的运行
        def func():
            print("我的天哪 ")
            yield "宝宝"

        △(理解记忆) gen = func() # 创建生成器.  此时运行会把生成器函数中的代码记录在内存,当执行到__next__(),
         运行此空间中的代码, 运行到yield结束.

        优点: 节省内存, 生成器本身就是代码. 几乎不占用内存
        特点: 惰性机制, 只能向前. 不能反复

    3. 各种推导式 (诡异)
        列表推导式  [结果 for循环 if]
        字典推导式 {结果(k:v) for循环 if}
        集合推导式 {结果(k) for循环 if}



    4. 生成器表达式 (重点)
        (结果 for循环 if)
        老师讲的所谓的与生成器函数相比  生成器表达式是一次性的.是指生成器函数通过gen = func()创建生成器 之后可以反复的调用生成器,
而生成器表达式一次执行完之后,下次执行还要重新写一次.

一.生成器

什么是生成器.生成器实质就是迭代器.
在python中有三种方式来获取生成器:
　　1.通过生成器函数
　　2.通过各种推导式来实现生成器
　　3.通过数据的转换也可以获取生成器

首先,我们先看一个很简单的函数:

def func():
    print("111")
    return 222

ret = func()
print(ret)

结果:
111
222

将函数中的return换成yield就是生成器

def func() :
    print("111")
    yield 222

ret = func()
print(ret)

结果:
<generator object func at 0x10567ff68>

运行的结果和_上面不一样. 为什么呢.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.如何使用呢?想想迭代器.生成器的本质是迭代器.所以.我们可以直接执行__next__()来执行以下生成器.

def func():
    printC111")
    yield 222

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- 样，也是返回数据

print(ret)
结果:
111
222

那么我们可以看到, yield和return的效果是-样的.有什么区别呢? yield是分段来执行一个函数. return呢?直接停止执行函数.

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无关了
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__ .(0) # 最后一个yield执行完毕，再次__next__()程序报错， 也就是说，和return无关了
StopIteration

当程序运行完最后一个yield.那么后面继续进行__next__()程序会报错.
好了生成器说完了.生成器有什么作用呢?我们来看这样一个需求. 老男孩向JACK JONES订购10000套学生服. JACK JONES就比较实在.直接造出来10000套衣服.

def cloth():
    lst =[]
    for i in range(0, 10000):
        lst. append("衣服" +str(i))
    return lst

cl = cloth()

但是呢,问题来了.老男孩现在没有这么多学生啊.一次性给我这么多.我往哪里放啊.很尴尬啊.最好的效果是什么样呢?我要1套.你给我1套.一共1000套.是不是最完美的

def cloth():
    for i in range(0, 10000):
        yield “衣服"+str(i)

cl = cloth()
print(cl.__next__())
print(cl.__next__())
print(cl.__next__())
print(cl.__next__())

区别:第一种是直接一次性全部拿出来,会很占用内存.第二种使用生成器,-次就-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

接下来我们来看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("我吃什么啊")
    a = yield "馒头"
    print("a=",a)
    b = yield “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)
ret2 = gen. send("胡辣汤")
print(ret2)
ret3 = gen. send("狗粮")
print(ret3)
ret4 = gen. send("猫粮")
print(ret4)

send和__next__()区别:
　　1. send和next()都是让生成器向下走-次
　　2. send可以给上一个yield的位置传递值,不能给最后-个yield发送值. 在第一次执行生成器代码的时候不能使用send()

生成器可以使用for循环来循环获取内部的元素:

def func():
    print(111)
    yield 222
    print(333)
    yield 444
    print(555)
    yield 666

gen = func()
for i in gen:
    print(i)


结果:
111
222
333
444
555
666

二.列表推导式,生成器表达式以及其他推导式

列表推导式

首先我们先看一下这样的代码,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-行来构建你要的列表,列表推导式看起来代码简单.但是出现错误之后很难排查.

列表推导式的常用写法:
　　[结果 for 变量 in 可迭代对象]

例.从python1期到python14期写入列表Ist:

lst = ['python%s' % i for i in range(1,15)]
print(lst)

我们还可以对列表中的数据进行筛选

筛选模式:
　　[结果 for 变量 in 可迭代对象 if条件]

#获取1-100内所有的偶数
lst = [i for i in range(1, 100)  if i % 2 == 0]
print(lst)

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))
print(gen)

结果:
<generator object <genexpr> at 0x106768f10>

打印的结果就是一个生成器.我们可以使用for循环来循环这个生成器:

gen = ("麻花藤我第%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:

#获取1-100内能被3整除的数
gen = (i for i in range(1,100) if i % 3 == 0)
for num in gen:
    print(num)

# 100以内能被3整除的数的平方
gen=(i*i for i in range(100) if i % 3 == 0)
for num in gen:
    print(num)

#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
result =[]
for first in names:
    for name in first:
        if name.count("e") >= 2:
            result.append( name)
print(result)
#推导式
gen = (name for first in names for name in first if name.count("e") >= 2)
for name in gen:
    print(name)

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. -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- -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-篮子鸡蛋. 列表推导式:直接拿到-篮子鸡蛋.生成器表达式:拿到-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才取值.说白了,你找他要他才给你值,不找他要,他是不会执行的.

def func():
    print(111)
    yield 222

g = func() #生成器g,没人要值,所以没有执行
g1 = (i for i in g) #生成器g1. 但是g1的数据来源于g.没人要值,所以没有执行
g2=(i for i in g1) #生成器g2.来源g1.没人要值,所以没有执行

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的数据来源是g.但是g已经取完了。g1也就没有数据了
print(list(g2)) # 和g1同理

深坑==>生成器.要值得时候才拿值

字典推导式:

根据名字应该也能猜到.推到出来的是字典

#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)

#在以下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 = ['jay', 'jj'， 'sylar']
lst2 = ['周杰伦"，'林俊杰’， '邱彦涛']
dic = {lst1[i]: lst2[订] for i in range(len(lst1))}
print(dic)

集合推导式:

集合推导式可以帮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

lst = [1, -1, 8, -8，12]
#绝对值去重
s = {abs(i) for i in lst}
print(s)

总结:推导式有,列表推导式,字典推导式,集合推导式,没有元组推导式
　　生成器表达式: (结果 for 变量 in 可迭代对象 if条件筛选)
　　生成器表达式可以直接获取到生成器对象.生成器对象可以直接进行for循环.生成器具有惰性机制.

经典面试题

一个面试题.难度系数0000000颗星:

def add(a, b): 
    return a + b

def test():
    for i in range(4):
        yield i


g = test()

for n in [2, 10]:
    g=(add(n,i) for i in g)

print(list(g))

友情提示:惰性机制,不到最后不会拿值
这个题要先读一下. 然后自己分析出结果.最后用机器跑一下

# 生成器经典题
def add(a, b): # 相加
    return a + b

def test(): # 生成器函数 0  1   2  3
    for i in range(4):
        yield i

g = test()  # 创建生成器

for n in [2, 10]:
    g = (add(n, i) for i in g)

print(list(g))
# 结果:[20,21,22,23]
# 解题思路:惰性机制(#有人要值才执行);生成器记录的是代码(#只有在执行的时候才会带入变量的值)
# 1,拆分for循环
n = 2
g = (add(n, i) for i in g)
n = 10
g = (add(n, i) for i in g)
# 2,将g = test()代入,并层层带入
n = 2
g = (add(n, i) for i in test())
n = 10
g = (add(n, i) for i in (add(n, i) for i in test()))
# 3,拿值的时候带入变量的值去执行
print(list(g))  # 拿值list==>for==>__next__()
# 此时的
g = (add(n, i) for i in (add(n, i) for i in test()))
# 代入变量的值
# n = 10
# test()的取值范围是[0,1,2,3]
# 所以
# list(g) == [(add(10, i) for i in (add(10, i) for i in [0,1,2,3]))]==10*2+[0,1,2,3]
#         == [(add(10, i) for i in [10,11,12,13]]
#         == [20,21,22,23]


# 小结规律:
# test()的取值范围是初始范围
# 要拿值时候的n的值是要带入的值
# for循环决定循环的次数,循环几次就累加几次,也就是要加几个n的值


# 改变1
def add(a, b): # 相加
    return a + b

def test(): # 生成器函数 0  1   2  3
    for i in range(4):
        yield i

g = test()  # 创建生成器

for n in [2, 10]:
    g = (add(n, i) for i in g)
n = 5

print(list(g))
# 结果:[10,11,12,13]
# 解题思路同上,最终拿到
# g = (add(n, i) for i in (add(n, i) for i in test()))
# 而此时n=5,带入得到 5*2+[0,1,2,3]=[10,11,12,13]



# 改变2
def add(a, b): # 相加
    return a + b

def test(): # 生成器函数 0  1   2  3
    for i in range(4):
        yield i

g = test()  # 创建生成器

for n in [2, 10, 5]:
    g = (add(n, i) for i in g)


print(list(g))

# 解题思路同上,最终拿到
n = 2
g = (add(n, i) for i in g)
n = 10
g = (add(n, i) for i in g)
n = 5
g = (add(n, i) for i in g)


# 层层代入得到:
n = 2
g = (add(n, i) for i in test())
n = 10
g = (add(n, i) for i in (add(n, i) for i in test()))
n = 5
g = (add(n, i) for i in (add(n, i) for i in (add(n, i) for i in test())))
# 代入数据得到:
list(g) =  (add(5, i) for i in (add(5, i) for i in (add(5, i) for i in [0,1,2,3])))=5*3+[0,1,2,3]=[15,16,17,18]

区别生成器表达式和列表生成式:

def add(a, b):
    return a + b


def test():
    # print("123")
    for i in range(4):#[0,1,2,3]
        yield i

g = test()

for n in [2, 10, 5]:
    # 第一种:生成器表达式
    # g = (add(n, i) for i in g)  # [15, 16, 17, 18]在生成器表达式内部的生成器或者生成器表达式是不会执行的,直到外部的生成器有人找它要值
    # 第二种:列表生成式,是会直接带入执行的
    g = [add(n, i) for i in g]  # [17, 18, 19, 20]
#第一种:
# 对for循环进行等价替换,全部代入n=5
# g1 = (add(5, i) for i in g)  #g = test()= [0,1,2,3]
# g2 = (add(5, i) for i in g1)
# g3 = (add(5, i) for i in g2)
#第二种:
# 对for循环进行等价替换,分别代入n=2,10,5
# g1 = (add(2, i) for i in g)  #g = test()= [0,1,2,3]
# g2 = (add(10, i) for i in g1)
# g3 = (add(5, i) for i in g2)



print(list(g))

今日作业

转载于:https://www.cnblogs.com/liangxiaoji/p/11247940.html

你狗

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
生成器和各种推导式

昨日回顾1. 函数名 -> 第一类对象函数名就是变量名. 函数可以赋值函数可以作为集合类的元素函数可以作为参数传递函数可以作为返回值返回 2. 闭包语法: 内层函数对外层函数的局部变量的使用 def wrapper(): ...
复制链接

扫一扫