函数【五】生成器/推导式

py_生成器、列表推导式

 

一、生成器

1、什么是生成器？

　　可以理解为一种数据类型，这种数据类型自动实现了迭代器协议(其他数据类型需要调用自己内置的__iter__方法)，所以生成器就是可迭代对象；

2、生成器在python中的表现形式？

• 生成器函数：常规函数定义，但是使用yield语句而不是使用retum语句返回结果，yield语句一次返回一个结果，在每个结果中间挂机函数的状态，以便下次从他离开的地方执行；
• 生成器表达式：类似于列表推导，但是生成器返回按需要产生结果的一个对象，而不是一次构建一个列表

  #生成器函数(只要函数内部包含有yield关键字，那么函数名()的到的结果就是生成器，并且不会执行函数内部代码)
  cp = [1,2,3,4,5]
  def test():
      yield 1
      yield 2
      yield 3
  date = test()
  print(next(date))
  print(next(date))
  print(next(date))
  
  生成器函数

  #三元表达式
  name = "lw"
  res = "sb" if name == "lw" else "帅哥"
  print(res)
  
  egg1 = ["鸡蛋 %s" %i for i in range(10) if i > 5 ]
  print(egg1)
  
  #正常列表(在内存中存储)
  egg_list = []
  for i in range(10):
      egg_list.append("鸡蛋 %s" %i)
  print(egg_list)
  
  #列表解析(在内存中存储)
  egg = ["鸡蛋 %s" %i for i in range(10)]
  print(egg)
  
  #生成器表达式(基于迭代器协议转换成可迭代对象，不占内存)
  laomuji = ("鸡蛋 %s" %i for i in range(10))
  print(laomuji)   #<generator object <genexpr> at 0x000001A6F46231A8>
  print(laomuji.__next__()) #等于next(laomuji)
  
  生成器表达式

  3、生成器取值的几种方式

  • 直接调用生成器内置的__next__方法；生成器内的数据取完,在取会抛出StopIteration

    def func():
        print(1)
        yield 5    # 我的函数走到这了
        print(2)
        yield 9    # 我的函数走到这了
    
    g = func()   # 生成一个生成器
    
    print(g.__next__())
    print(g.__next__())  # 每次取值会从上一个yield开始
    print(g.__next__())  # 生成器内的数据取完,在取会抛出StopIteration
    
    next方法

    • 生成器调用send()方法,send()相当于(next + 传值),传值给yield，第一次调用生成器的时候使用send里边的值必须是None

      def func():
          print(1)
          a = yield 2    # 1.挂起 2.返回值 3.接受值
          print(a)
          print(3)
          b = yield 4
          print(b)
          c = yield 9
      g = func()  # 生成一个生成器
      print(g.__next__())
      print(g.send('123'))
      print(g.send('234'))
      #第一次调用生成器的时候使用send里边的值必须是None
      
      send方法

       4、简述yield与yield from的区别

      def generator():
          for i in range(5):
              yield i
      t = generator()
      print(t.__next__())
      
      def generator_1():
          yield 1
          yield 2
          yield 3
          yield 4
          yield 5
      t1 = generator_1()
      print(t1.__next__())
      
      上面这两种方式是完全等价的，只不过前者更简单一些。
      
      yield

      def generator1():
          item = range(10)
          for i in item:
              yield i
      
      def generator2():
          yield ‘a‘
          yield ‘b‘
          yield ‘c‘
          yield from generator1() #yield from iterable本质上等于 for item in iterable: yield item的缩写版
          yield from [11,22,33,44]
          yield from (12,23,34)
          yield from range(3)
      
      for i in generator2() :
          print(i)
      
      
      从上面的代码可以看书，yield from 后面可以跟的式子有“ 生成器  元组 列表等可迭代对象以及range（）函数产生的序列”
      
      yield from

      def test():
          for i in range(10):
              yield i
      a = test()
      print(a.__next__())
      for j in a:
          print(j)
      
      def test():
          yield from range(10)
      b = test()
      print(b.__next__())
      for j in b:
          print(j)

      二、推导式

      # 推导式:
      # 1.列表
      # 2.集合
      # 3.字典
      # 4.生成器表达式(只要是小括号的就是生成器表达式)

      li = []
      for i in range(10):
          li.append(i)
      print(li)
      
      print([i for i in range(10)])
      [结果 语法] #容器
      
      li = []
      for i in range(10):
          if i%2 == 1:
              li.append(i)
      print(li)
      
      print([i for i in range(10) if i%2 == 0])  # 过滤(筛选)
      
      li = []
      for i in range(10):
          for em in range(3):
              li.append(em)
      print(li)
      
      print([j for i in range(10) for em in range(3) for j in range(5)])
      
      集合推导式
      s = {i for i in range(10)}
      print(s)
      
      字典推导式
      print({i:i+1 for i in range(10)})
      
      生成器表达式
      g = (i for i in range(10))

      总结:

          #     1.生成器的本质就是一个迭代器
          #     2.生成器一定是一个迭代器,迭代器不一定是一个生成器
          #     3.生成器是可以让程序员自己定义的一个迭代器
          #     4.生成器的好处,节省内存空间
          #     5.生成器的特性 一次性的,惰性机制,从上向下
          #     6.send相当于 next+传值,第一次触生成器的时候,如果使用send(None)值必须是None,一般我建议你们使用__next__
          #     7.    python2 iter()  next()
          #            python3 iter()  next()  __next__() __iter__()
          #     8.yield from 将可迭代对象元素逐个返回