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():
print("111")
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⼀样. 也是返回
数据
print(ret)
结果:
111
222
那么我们可以看到, yield和return的效果是⼀样的。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。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：StopIteration。
yield说了一部分了，那它有什么用呢？假设，某个工厂要为员工做工服，总数是10000套。
def doCloth():
lst = []
for i in range(1,10001):
lst.append(‘工服%s’ % i)
return lst
这种方式就是一次把所有的衣服都制作出来了，但是以实际考虑的话，全部做出来，这样有个弊端，这么多衣服不可能一次性全部使用了，那么在存放的过程中，很有可能被老鼠或者虫子咬破了。但是，看一下下面代码：
def doCloth():
for i in range(1,10001):
yield '衣服%s' % i
g = doCloth()
print(g.__next__())#衣服1
print(g.__next__())#衣服2
print(g.__next__())#衣服3
可以看到，我需要一套，我就跟工厂说，给我做一套，这样就避免了自己长期储存了。
可以看出来，return和yield的区别就是，return会把所有的一次性都做出来，占用很大内存，而yield只有需要的时候才会取一次值，不占用太大内存。还有一点，当函数遇到return时，这个函数就停止了，但是遇到yield，不会停止，还会继续执行下去。
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()
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
1.列表推导式
列表推导式的结构：[结果 for循环 if条件]
给出⼀个列表, 通过循环, 向列表中添加1-15 :
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，把多行代码给简化成了一行，代码看着是简单了，但是这种方式出错后，不易排查，如果没有特别需要或者十足的把握，感觉还是不要用。
2.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()。
格式：（结果 for循环 if条件）
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在内存中的地址。我们可以使用for循环来循环这个生成器：
gen = (i for i in range(10))
for j in gen:
print(j)
另一种方式创建一个生成器：
def fun(arg):
print(arg)
fun(i for i in range(10))
类似的：print(i for i in range(10))
3.列表推导式和生成器表达式的对比
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.
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，这里并没有执行括号里的代码 g1 = (i for i in g) # ⽣成器g1，但是g1的数据来源于g，这里并没有执行括号里的代码 g2 = (i for i in g1) # ⽣成器g2，数据来源g1，这里并没有执行括号里的代码 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
#可以运行一下看看结果。
4.字典推导式
字典推导式格式 {k:v for循环 if条件}
# 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)
5.集合推导式
集合推导式格式 {结果 for 循环 if条件}，集合自带去重的效果，而且它里面是没有顺序的。代码：
lst = [2,2,3,4,'a','d','sd','we','a']
s = {el for el in lst}
print(s)
结果：
{2, 3, 4, 'we', 'sd', 'd', 'a'}
6.yield和from
先看代码：
lst = [1,2,3]
def do():
yield from lst
g = do()
print(g.__next__())
print(g.__next__())
print(g.__next__())
def do(a):
for i in lst:
yield i
g = do(1)
print(g.__next__())
print(g.__next__())
print(g.__next__())
下面代码中也可以看出来from替代了for循环。
def reader():
"""A generator that fakes a read from a file, socket, etc."""
for i in range(4):
yield '<< %s' % i
#
# def reader_wrapper(g):
# # Manually iterate over data produced by reader
# for v in g:
# yield v
def reader_wrapper(g):
yield from g
wrap = reader_wrapper(reader())
for i in wrap:
print(i)
从上面代码可以看出来，from类似于for循环，又是一个简化代码的方式。
分析生成器原理很好的一片文章：https://www.jianshu.com/p/98fd8cd0094a
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(因为元组不能增删改，只能查看)
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.