函数进阶三(生成器、生成器表达式、匿名函数)

一. 昨日内容回顾
函数名的运用：
    1.特殊的变量
    2.函数名可以当作变量赋值
    3.函数名可以当作容器类类型的元素
    4.函数名可以当作函数的参数
    5.函数名可以当作函数的返回值

闭包：
    1.内层函数对外层函数(非全局)变量的引用和改变
    2.闭包只存在于内层函数中
    3.闭包都要逐层返回，最终返回给最外层函数

闭包的特点：
    解释器遇到闭包，不会随着函数的结束而结束空间

闭包应用：
    装饰器
    爬虫

可迭代对象
    判断方法：
        obj
        "__iter__" in dir(obj)

        from collections import Iterable
        isinstance(obj, Iterable)

    可迭代对象不能直接取值，必须转化成迭代器取值(__next__)

# 迭代器
    "__iter__" in dir(obj)

    from collections import Iterable
    isinstance(obj, Iterator)

while循环模拟for循环

二. 生成器

生成器的本质就是迭代器，生成器是自己用Python代码写的迭代器
生成器函数
生成器表达式

s1 = "ajlsdj"
iter(s1)  # 这不是手写，是通过Python写的

将一个函数变成生成器函数
只要有 yield 就不是函数，可看成生成器

# 生成器函数

def func():
    print(111)
    print(222)
    yield 666
    # yield "aklsj"

# print(func())  # <generator object func at 0x000001AE6CB50BF8>  返回的是生成器对象
ret = func()
print(next(ret))  # 这里一个 next 对应一个 yield
# print(next(ret))  # 所以这里会报错 StopIteration,除非上面再加个 yield
# 111
# 222
# 666

# yield 和 return 的共同点和区别

# 1. 区别：return 终止函数，而 yield 不会终止生成器函数
# 2. 共同点：都会返回一个值，return给函数的执行者返回值，yield是给next()返回值

# 示例：
def cloth():
    for i in range(1, 5001):
        print("我写的代码没有bug 衣服%s号" % i)
cloth()

# 我写的代码没有bug 衣服1号
# 我写的代码没有bug 衣服2号
# 。。。
# 我写的代码没有bug 衣服5000号

def cloth1():
    for i in range(1, 5001):
        yield "有志青年 衣服%s号" % i

genor = cloth1()

for i in range(1, 101):
    print(next(genor))

for i in range(1, 51):
    print(next(genor))

# 有志青年 衣服1号
# 有志青年 衣服2号
# 。。。
# 有志青年 衣服100号
# 有志青年 衣服101号
# 。。。
# 有志青年 衣服149号
# 有志青年 衣服150号

# 由打印结果可知，生成器会记录上一次运行的位置，再次运行时从上一次位置开始计数

# 以下很重要，必须掌握
# send next

def func():
    yield 666
    yield "abc"
    yield "速度"
    yield "hxy"
genor = func()
print(next(genor)) # 666
print(next(genor)) # abc

print(genor.send(None)) # send() 必须要有一个参数  # 666
print(genor.send(None)) # abc

# send 不仅能对应 yield 取值，而且可以给上一个 yield 发送一个值
# 注意前提是上一个 yield 必须赋值给一个变量，否则不会打印 send给它发送的值
def func():
    count = yield 666
    print(count)
    s = yield "abc"
    print(s)
    yield "速度"
    yield "hxy"
genor = func()
print(genor.send(None))  # 666
print(genor.send("alex"))  # alex abc
print(genor.send("111"))  # 111 速度

# 第一个取值能否用 send 传参？
# 不能，比如上面的 print(genor.send(None)) 中的 None 改为 其他的，那么会报错
# 因为 send 是给上一个 yield 发送一个值，第一个上面没有值了

# 最后一个 yield 永远也得不到 send 传的值。

# yield from 将一个可迭代对象变成一个迭代器返回

def func():
    lst = ["abc", "def", "ghi", "jkl"]
    yield lst
genor = func()
print(next(genor))  # ['abc', 'def', 'ghi', 'jkl']
for i in genor:
    print(i)
    
# ['abc', 'def', 'ghi', 'jkl']

def func():
    lst = ["abc", "def", "ghi", "jkl"]
    yield from lst  # 注意这里与上面的区别
genor = func()
print(next(genor))  # abc
print(next(genor))  # def
print(next(genor))  # ghi
print(next(genor))  # jkl
for i in genor:
    print(i)
# abc
# def
# ghi
# jkl

三. 列表推导式，生成器表达式
列表推导式——用一行代码构建一个简单或较复杂的列表
好处：减少代码量

li = [i for i in range(1, 101)]
print(li)

# 列表推导式分三种情况：

# 1. 循环模式——[变量(加工后的变量) for 变量 in iterable]

# 构建一个列表：['python1期', 'python2期', ...'python25期']
print(["python%i期" % i for i in range(1, 26)])

# 2. 筛选模式——[变量(加工后的变量) for 变量 in iterable if 条件]

# 30以内所有的偶数(两种方法)
print([i for i in range(2, 31, 2)])
print([i for i in range(1, 31) if i % 2 == 0])

# 其他示例
print([i for i in range(1, 31) if i % 3 == 0])
print([i**2 for i in range(1, 31) if i % 3 == 0])
print(["地球%s号" % i for i in range(1, 100, 2)])

# 3. 三元模式——循环模式的变异
# 个人认为如果要用到 if...else...结构的话就以三元模式把 if...else...写在前面，如果只有一个 if 就用筛选模式把 if 放到后面
# 构建一个列表，里面的元素是1-20，能被3整除的元素要替换成*
# print("*" if 3 > 2 else 1)
print(["*" if i % 3 == 0 else i for i in range(1, 21)])

# 将至少含有两个e的名字放到一个列表
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
# 方法一
l = []
for i in names:
    for j in i:
        if j.count("e") >= 2:
            l.append(j)
print(l)

# 方法二
print([j for i in names for j in i if j.count("e") >= 2])

# 列表推导式总结：
# 优点：一行搞定，节省代码行数
# 缺点：不能用debug模式，列表推导式相对复杂的列表不能用，三层以上效率低也很难写

# 生成器表达式
# 它与列表推导式写法几乎一样，也有同样的三种模式，只需将[]换成()就可以

# 列表推导式
print(["python%i期" % i for i in range(1, 26)])

# 生成器表达式
ret = ("python%i期" % i for i in range(1, 26))
for i in ret:
    print(i)

# 元组没有推导式！！！因为上面的生成器表达式已经用()来表示了

# 字典推导式

print({i:None for i in range(1, 10)})
# {1: None, 2: None, 3: None, 4: None, 5: None, 6: None, 7: None, 8: None, 9: None}

# 将下面字典的键值对调
mcase = {"a": 10, "b": 34, "c":20, "d":15}
print({v:k for k,v in mcase.items()})

# 集合推导式

# 将{1, -2, 3, -4, 4}的所有元素取平方
set1 = {1, -2, 3, -4, 4}
print({i**2 for i in set1})
# {16, 1, 4, 9}  顺便去重了

# 四. 匿名函数lambda

def func(x, y):
    return x + y
print(func(3, 4))

# 像上面这种只有return 即返回值的函数，可以使用匿名函数 lambda
# 匿名函数只能用一行代码表示,冒号前面是参数，后面是返回值

func2 = lambda x,y: x + y  # func2就是这个匿名函数的名字
print(func2(3, 4))

# 写一个匿名函数，需要三个数字参数，返回值为三个数想乘的结果
func3 = lambda a, b, c: a * b * c
print(func3(1, 2, 3))