python day 10 知识点

def test() : 
	yield 1

yield可以用来做返回值，也可以用来保留函数的运行状态。每一次__next__方法，运行都是从yield后开始运行的

生成器函数的好处

代码示例：

def product_baozi():
    for i in range(100):
        yield '一屉包子%s' %i
pro_g = product_baozi()
baozi1 = pro_g.__next__()
print('来了一个人吃包子', baozi1)


########一种不太行的迭代方法适用#########
def xiadan():
    ret = []
    for i in range(100):
        ret.append('鸡蛋%s' %i)
    return ret
print(xiadan())
#缺点1：占用空间大
#缺点2：效率低
#######改进措施#########################
alex_lmj = xiadan()
jidan = alex_lmj.__next__()
print('zhoushaochen取鸡蛋',jidan)

生成器总结

1. 生成器在语法上和函数类似：生成器函数和常规函数几乎是一样的。它们都是使用def语句进行定义，但差别在于：生成器使用yield语句返回一个值，而常规函数使用return语句返回一个值
2. 自动实现迭代器协议：对于生成器，Python会自动实现迭代器协议，以便应用到迭代背景中(如for循环，sum函数)。由于生成器自动实现了迭代器协议，所以我们可以调用它的next方法，并且在没有值可以返回的时候，生成器自动产生StopIteration异常
3. 状态挂起：生成器使用yield语句返回一个值。yield语句挂起该生成器函数的函数，保留足够的信息，以便之后从它离开的地方继续执行(前提：使用生成器表达式)

代码示例

def get_population() : 
	with open('人口普查','r',encoding = 'utf-8') as f :
	for i in f : 
		yield eval(i)
g = get_population()
s1 = g.__next__()
print(s1['population'])

all_pop = sum(eval(i)['population'] for i in g)
print(all_pop)

再次强调，迭代器只能使用一次！

迭代器实战：生产者消费模型——考虑实际需求，并发运行两个程序

def producer() : 
	ret = []
	for i in range(100) : 
		ret.append('包子%s' %i)
	return ret
def consumer(res) :
	for index,baozi in enumerate(res) : 
		print('第%s个人，吃了%s' %(index,baozi))
res = producer()
consumer(res)

一个小点：关键字参数在默认参数之后输入