python 生成器

---恢复内容开始---

回顾下的 迭代器:

　　可迭代协议:内部含有__iter__()方法的值/变量都是可迭代的

　   可迭代变量 点__iner__()返回一个迭代器

　　迭代器特点: 节省内存,惰性运算,一次取值,只按照顺序取

　　所有的迭代器都是可迭代,反之 不成立

　　for循环和迭代器的关系,无论是迭代器换是可迭代都可以被for循环,

　　　　　　　　　　　　  如果直接循环迭代器 循环一次就没了

　　　　　　　　　　　　如果循环非迭代器,那么每次循环都相当于从头到尾的循环

　　　　　　　　　　　　是因为在for循环中的所有非迭代器都会通过iter生成一个新的迭代器

一 生成器 (本质就是迭代器,生成器由生成器函来创建或者通过生成器表达式来创建)
  1.先看简单函数

def func():
print("111")
return 222
ret = func() # 结果为111 
print(ret)  # 结果为222

简单来说将函数中的return换成yield就是生成器:

def func():
print("111")
yield 222 
ret = func()
print(ret) #此时结果为 <generator object func at 0x000001C11A730EB8>  生成器地址 

生成器的本质是迭代器. 所以. 我们可以直接执行__next__()来执行

def func():
print("111")
yield 222
gener = func() #   结果 111 这个时候函数不会执⾏. 而是获取到生成器器
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222

简单例子 : 

def funt():
#     lst=[]
#     for i in range(10000):
#         lst.append("衣服%s" % i)
#     return lst
# lst=funt()
# print(lst) #得到10000件衣服 没地方放 换得找个仓库 :占内存

优化

def funt():
    for i  in range(10000):
        yield "衣服%s" % i
gen=funt()
# print(gen)
a1=gen.__next__()
a2=gen.__next__()
a3=gen.__next__()
a4=gen.__next__()
a5=gen.__next__()
a6=gen.__next__()
print(a1)
print(a2)
print(a3)
print(a4)
print(a5)
print(a6)   # 要几件拿几件 不够 我想成批拿

再优化:

ef funt():                                                  
    lst=[]
    for i in  range(1,10000):
        lst.append( '衣服%s' % i)
        if i%50==0:
            yield lst
            lst=[]

ret=funt() #生成器
a=ret.__next__()
print(a)
a2=ret.__next__()
print(a2) 

def func():
    for i in range(1, 10000):
        yield "衣服%s" % i

ret=func()
for i in range(50):
    a=ret.__next__()
    print(a,end='')

生成器:本质是迭代器, 写法和迭代器不一样. 用法和迭代器一样
# 生成器函数: 函数中带有yield, 执行生成器函数的时候返回生成器。而不是执行这个函数
# def func():
# print("你好啊, 我叫赛利亚,")
# yield "西岚的武士刀" # return 和yield都可以返回数据
#
# ret = func() # generator ret是一个生成器
# print(ret)
# s = ret.__next__() # 当执行到__next__()的时候， 函数才真正的开始执行
# print("接受到的是", s)

例子2..

def func():
    print("打开手机")
    print("打开陌陌")
    yield "手机"
    print("约妹子")
    print("出来喝喝茶")
    yield "电脑"
    print("我加了一句话")
gen = func() # 生成器
ret1 = gen.__next__()
print(ret1)
ret2 = gen.__next__()
print(ret2)
ret3 = gen.__next__()  # 找不到最后一个yield 会报错
print(ret3)
　

2.send ()  :   send() 也可以实现类似__next__()的效果, send（）可以给上一个yield传值

def func():
    print("韭菜盒子")
    a = yield "哇哈哈"
    print("肉包子", a)
    b = yield "脉动"
    print("锅包肉", b)
    yield "冰红茶"
gen = func()
ret = gen.__next__()
print(ret)

ret = gen.send("刘伟") # 给上一个yield传值
print(ret)

ret = gen.send("刘德华") # 给上一个yield传值
print(ret) 

结果:

韭菜盒子
哇哈哈
肉包子 刘伟
脉动
锅包肉 刘德华
冰红茶

 send()和__next__()的区别:

send()不可以用在开头

send可以给上一个yield传值,不能给最后一个yield传值

返回值写法:

def func():
    yield "麻花藤"
    yield "李彦宏"
    yield "马云"
    yield "刘强东"
gen=func()
# a=gen.__next__()
# print(a)
print(gen.__next__()) # 麻花藤
print(gen.__next__()) #李彦宏"
print(gen.__next__())#马云"


生成器本质是迭代器
print("__iter__" in dir(gen)) #所以可以使用for循环

for el in gen:
 print(el)

lst = list(gen) # 把生成器中的每一个数据拿出来组合成一个列表
# print(lst)

二 推导式:

列表的推倒式:[结果 for循环 if筛选]

例子1

常规算法
lst = []
for i in range(1, 15):
lst.append(i)
print(lst)
推倒式写法:

lst = [i for i in range(1, 15)]
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]

100以内能被3整除的数的平⽅

lst = [i*i for i in range(1, 101) if i % 3 == 0]

 names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven','Joe'],
#  ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
寻找名字中带有两个e的⼈的名字

lst = [name for first in names for name in first if name.count("e") >= 2 ]
# print(lst)




for name in names:
#     for nam in name:
#         if nam.count('e')>=2:
#             print(nam)

字典推倒式  {key: value for循环 if 筛选}

ic={"张无忌":'九阳神功',"乔峰":"收音机","楚留香":'帅'}
# d={dic[k]:k for k in dic}
# print(d)

lst1 = ["东北", "陕西", "山西", "开封", "杭州", "广东", "济南"]
# lst2 = ['大拉皮', "油泼面", "老陈醋", "灌汤包", "西湖鲤鱼", "早茶", "胶东一锅鲜"]

dic = {lst1[i]:lst2[i] for i in range(len(lst1))}
# print(dic)



dic={}
for i in range(len(lst1)):
        for a in range(len(lst2)):
          dic[lst1[i]]=lst2[i]
print(dic)

集合推倒式 (无序 不重复 可哈西)  {key for if}

lst = ["周杰伦","周伯通","周润发","周伯通","周笔畅","周伯通","周星驰","周伯通"]
# s = {el for el in lst}
# print(s)

三 生成器表达式( 生成器表达式可以直接创建生成器)

 gen = (i for i in range(10)) # generator
 print(gen.__next__())

 print(gen.__next__())

 print(gen.__next__()) #结果 0 1 2

  print('__iter__'in dir(gen))  # true

生成器表达式: 记录一下代码。 然后每次需要的时候去生成器中执行一次这个代码
# 列表推导式: 一次性把所有的数据创建出来, 容易产生内存浪费
# 特性:
# 1. 节省内存
# 2. 惰性机制
# 3.只能向前。

 

---恢复内容结束---