python--生成器,生成器推导式, yield from

一.生成器

　　生成器的本质就是迭代器,它一个一个的创建对象.

　　在python中有三种方式获取生成器:

　　　　1.通过生成器函数

　　　　2.通过各种推导式来实现生成器

　　　　3.通过数据的类型转换也可以获取生成器

二.生成器函数

　　生成器函数中包含yield,返回数据和return差不多, return会立即结束这个函数的执行, yield 可以分段的执行一个函数

　　生成器函数在执行的时候返回生成器,而不是直接执行此函数

　　能向下执行的两个条件:　　

　　　　1.  __next__(),执行到下一个yield

　　　　2.  send(),执行到下一个yield,给上一个yield位置传值

　　注意:

　　　　所有的生成器都是迭代器都可以使用for循环

　　　　都可以使用list()函数来获取到生成器内所有的数据

　　　　生成器中记录的代码而不是函数的运行

　　优点: 节省内存, 生成器本身就是代码. 几乎不占用内存

　　特点: 惰性机制, 只能向前. 不能反复

def func():
    print('111')
    yield 222

gen = func()  # 创建生成器.此时运行会把生成器函数中的代码记录在内存当中
ret = gen.__next__()  # 当执行到__next__(),运行此空间中的代码,运行到yield结束
print(ret)

#结果:
111
222

　　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,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,直接使用__next__()来执行

　　从这里可以看到,yield和return的效果是一样的,区别是yield是分段来执行一个函数,而return是直接停止函数

def func():
    print('111')
    yield 222
    print('333')
    yield 444
gen = func()
ret = gen.__next__()
print(ret)

ret2 = gen.__next__()
print(ret2)

ret3 = gen.__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):
  File "D:/pyworkspace/练习.py", line 94, in <module>
222
    ret3 = gen.__next__()
333
StopIteration
444

　　程序运行完最后一个yield,后面继续进行__next__() 程序会报错

　　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

三.列表推导式,生成器表达式以及其他推导式

列表推导式:

　　1.   列表推导式是通过一行来构建你要的列列表, 列表推导式看起来代码简单. 但是出现错误之后很难排查.

　　　　列表推导式的常用写法:

　　　　　　[ 结果 for 变量 in 可迭代对象]

#给出一个列表,循环添加1到14
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)

　　2.  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:

　　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)

四. yield from

　　yield from 是在Python3.3才出现的语法。所以这个特性在Python2中是没有的。

　　yield from 后面需要加的是可迭代对象，它可以是普通的可迭代对象，也可以是迭代器，甚至是生成器。

def func():
    lst = ["衣服%s" % i for i in range(500)]
    yield from lst # 可以把一个可迭代对象分别进行yield返回

    lst1 = ["%s" % i for i in range(18)]
    yield from lst1


gen = func()
print(gen.__next__())
print(gen.__next__())