晚上想想千条路,白天醒来走原路.
前方高能 --- 生成器和生成器表达式
1. 生成器和生成器函数
2. 列表推导式
一. 生成器
生成器实质上就是迭代器.
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,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,我们可以执行__next__()来执行以下生成器.
def func(): print('111') yield 222 genner = func() # 这个时候的函数不会执行,而是获取到生成器. ret = genner.__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
那么我可以看到yield和return的效果是不一样的,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.
def func(): print('111') yield 222 print('333') yield 444 genner = func() ret = genner.__next__() print(ret) ret2 = genner.__next__() print(ret2) ret3 = genner.__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: # 报错.
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.
生成器有什么作用呢,
# 一
def cloth(): lst = [] for i in range(0,10000): lst.append('衣服'+ str(i)) return lst cl = cloth()
# 二 def cloth(): for i in range(0,10): 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,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,下一次继续获取指针指向的值.
用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 '哈哈' print('a=',a) b = yield '嘿嘿' print('b=',b) c = yield '拉拉' 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('豆腐脑') print(ret3) ret4 = gen.send('哒哒哒') print(ret4)
send 和 __next__() 的区别:
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.
首先,我们先看这样的代码,给出一个列表.通过循环,向列表中添加1-13:
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)
列表推导式是通过一行来构建你要的列表,列表推导式看起来代码简单,到那时出现错误之后很难排查.
列表推导式的常用方法:
[结果 for 变量 in 可迭代对象]
例子: 从python1期到python15期写入列表list:
lst = ['python%s' % i for i in range(1,16)] 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 = ('zz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(1,100) 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 i in names: for j in i: if j.count('e') >= 2: result.append(j) print(result) # 推导式 gen = (name for i in names for j in i if j.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,一次性加载,生成器表达式几乎不占用内存,使用的时候分配和使用内存.
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.
举个栗子:
同样一篮子鸡蛋,列表推导式:直接拿到一篮子鸡蛋,
生成器表达式: 拿到一个老母鸡,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 g1 = (i for i in g) # 生成器g1,但是g1的数据来源于g g2 = (i for i in g1) # 生成器g2,来源g1 print(list(g)) #获g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. 要值的时候才拿值.
字典推导式:
根据名字应该才能得到,推到出来的字典.
# 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相对应的位置的数据组成一个新字典. lst1 = ['jay','jj','sylar'] lst2 = ['aa','ss','dd'] dic = {lst1[i]:lst2[i] 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.
一个面试题.
def add(a,b): return a + b def test(): for r_i in range(4): yield r_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