生成器与推导式

一. 生成器

　　

　　1. 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

 　　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>

　

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

　　注意:当程序运行完后一个yield. 那么后面继续进行__next__()程序会报错. 

　　

　　3. 生成器的作用:

　　　　我们来看这样一个需求. 老板向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()     

　　问题来了,老板现在没有这么多客户, 一次性给这么多,我往哪里放啊. 好的效果是什么呢?

　　我要1套. 你给我1套.一共10000套.

        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. 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, 指针就指到哪儿.

　　下一次继续获取指针指向的值. 

　　

　　4. 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()

　　5. 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:     #for循环中,包含有向下执行的__next__函数   
            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. 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.但是出现错误之后

　　很难排查. 

　　2. 列表推导式的常用写法:

　　     [ 结果 for 变量 in 可迭代对象]

　　　例. 从python1到python14写入列表lst: 

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

　　

　　3. 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)
 

 　　

　　4. 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) 

　　

　　5. 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)

　　

　　6. 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. 

　　   举个例子.

    　　  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

　　注意:==> 生成器在要值得时候才拿值. 

三,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', '林林俊杰', '邱彦涛'] 
        dic = {lst1[i]: lst2[i] for i in range(len(lst1))} 
        print(dic)
    

四,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} # bas()函数返回数据的绝对值
        print(s)
        
        结果
        {8, 1, 12}

　　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.