python生成器推导式的结果是什么_Python 生成器和推导式

一、Python生成器和生成器函数

1、生成器和生成器函数的概念

1、生成器的本质是迭代器

2、函数中包含yield，就是生成器函数

2、生成器函数的写法

def func():

a =10

yield 20

gen = func()  #没有执行，而是生成一个生成器

普通函数和生成器函数的不同

1、普通函数名()表示函数的的执行

2、生成器函数名()不是函数的执行，而是生成一个生成器

yield和return的不同

1、retun表示返回，同时函数执行终止，return之后的代码不会执行

2、yield也表示返回，函数暂停，函数分段执行

def func():

a =10

yield 20

b = 30

yield 40

gen = func()  #生成一个生成器

gen.__next__() #返回20 执行到第一个yield

gen.__next__() #返回40 从第一个yeild开始执行到第二个yield

3、如何得到生成器

1、生成器函数

生成器函数名()

2、生成器表达式

3、类型转换

4、生成器的特点

1、节省内存

2、惰性机制(每执行一次__next__()方法，取值一次)

3、只能向前取值，不能退后

5、生成器的取值

__next__()方法和send()方法的区别

前者表示向下取值

后者除了表示向下取值，还可以给上一个yield传递值

注意：send()方法不能用在第一个取值，第一个取值只能用__next__()

最后一个yield也不能用send()

6、生成器的好处

节约内存

'''

#关于__next__()方法和send()方法的例子

def func():

a = 1

a2 = yield 2

print(a2)

c = 3

c2 = yield 4

print(c2)

yield 5

gen = func() #生成一个生成器

gen.__next__()  #执行到了第一个yield

gen.send('test') #把参数传递到第一个yield

gen.send('娃哈哈') #把参数传递到第2个yield

#生成器的好处-节约内存的例子

#一次性买100件衣服，需要地方保存，比较浪费内存

li1 = []

def func2():

for i in range(1,11):

li1.append('衣服 %s' % i)

return li1

ret = func2()

print(ret)  #100件衣服一次性生成出来，放到列表到了

print('----------1')

#最好的方式是下一个100件衣服的订单，但是呢，需要一件，送一件，就不需要专门的地方保存了，节约内存

#方法1 生成器函数

def func3():

for i in range(1,11):

yield ('衣服 %s' %i)

gen = func3()  #生成一个生成器

print(gen.__next__()) #第一件

print(gen.__next__()) #第二件

for i in gen: #生成器本质是迭代器，支持for循环

print(i)

#方法2 生成器表达式

# gen = (i for i in range(1,11))

# print(gen)  #生成一个生成器(类比：就是买衣服订单)

# print(gen.__next__()) #第一件

# print(gen.__next__()) #第二件

# for i in gen: #生成器本质是迭代器，支持for循环

#    print(i)

二、推导式

推导式(列表推导式，字典推导式等)

1、列表推导式：[结果      for循环 if条件]

2、字典推导式：{key: value for循环 if条件}

3、集合推导式：{key        for循环 if条件}

注意：没有元组推导式

三、生成器表达式

1、生成器表达式：(结果 for循环 if条件)

2、惰性机制(类比：弹夹没子弹了，不能将同一个值，生成2次)

生成器是记录在内存中的一段代码，产生的时候，没有执行

生成器表达式和列表推导式的区别类比：

1、买100个鸡蛋，列表推导式：是一次性把100个鸡蛋买回来，需要地方存储

2、生成器表达式：是买一只母鸡，需要鸡蛋就给下蛋