⽣成器和⽣成器表达式

⼀. 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.

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. 再次__next__()程序报错, 也就是说. 和return⽆关了.

StopIteration

2.. ⽣成器有的作⽤

我们来看这样⼀个需求. 老男孩向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(0,10):
        lst.append('衣服'+str(i))
    return lst
cl = cloth()

但是呢, 问题来了. 老男孩现在没有这么多学⽣啊. ⼀次性给我这么多. 我往哪⾥放啊. 很尴尬 啊. 最好的效果是什么样呢? 我要1套. 你给我1套. ⼀共10000套. 是不是最完美的.

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.

send用法:

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)
结果为:
我吃什么啊
馒头
a= 胡辣汤
⼤饼
b= 狗粮
⾲菜盒⼦
c= 猫粮
GAME OVER

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

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1-13 :

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)

列表推导式的常⽤写法:

 [ 结果 for 变量 in 可迭代对象]

　　例. 从python1期到python14期写入列表lst:

lis = ['python%d期'% i for i in range(1,15)]
print(lis)

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 

例

获取1-100内所有的偶数
lst = [i for i in range(1, 100) if i % 2 == 0]
print(lst)

获取1-100内能被3整除的数
lst = [i for i in range(1,101) if i % 3 == 0]



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']]

lst = [name for first in names for name in first if name.count("e") == 2]
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 = ("麻花藤我第%s次爱你" % i for i in range(5))
for i in gen:
    print(i)
结果为:
麻花藤我第0次爱你
麻花藤我第1次爱你
麻花藤我第2次爱你
麻花藤我第3次爱你
麻花藤我第4次爱你

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
lis = (i for i in range(1,101)  if i%3==0)
for el in lis:
    print(el)

# 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)              

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
结果:
111
[222]
[]
[]

深坑==> ⽣成器. 要值得时候才拿值.

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', '林俊杰', '邱彦涛']
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, 12,12,11,11]
s = {i for i in lst}
print(s)
结果:
{1, 8, 11, 12, -8, -1}


绝对值去重:
lst = [1, -1, 8, -8, 12,12,11,11]
s = {abs(i) for i in lst}
print(s)
结果为:
{8, 1, 11, 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.

⼀个⾯试题. 难度系数500000000颗星:

def add(a, b):
    return a + b

def s():
    for r_i in range(4):
        yield r_i

g = s()

for n in [2, 10]:
    g = (add(n, i) for i in g)>>> # g = (add(n, i) for i in (add(n, i) for i in g))
  #把n=10, g=0,1,2,3往进套

print(list(g))
结果为:
[20, 21, 22, 23]

def add(a, b):
    return a + b

def s():
    for r_i in range(4):
        yield r_i

g = s()

for n in [2, 10,5]:
    g = (add(n, i) for i in g)>>#g = (add(n, i) for i in (add(n, i) for i in (add(n, i) for i in g)))
　　　　　　#把g = 0,1,2,3 n=5,往进套

print(list(g)) 结果为: [15, 16, 17, 18]

友情提⽰: 惰性机制, 不到最后不会拿值