python记录_day12 生成器

什么是生成器？

生成器的实质就是迭代器，我们能够从生成器中一个一的拿值

python中获取生成器的方式有三种：

1、通过生成器函数

2、通过生成器表达式

3、通过数据转换也可以获取生成器（某些对象执行一个方法就能返回一个生成器，这个现在用不到）

一、 生成器函数

def gen():
    代码块
    yield 返回值

gen() #表示获取一个生成器，是一个内存地址，装的是代码，并不执行，用的时候才会执行

将return换成yield就是生成器函数了，上面就是生成器函数的格式。yield的作用是代码执行到这里就会停止，并且会返回一个值，所以代码能够分段执行，这就是生成器能逐个拿值的原因。

对于生成器函数，函数名+()并不表示函数执行，而是获取一个生成器对象。生成器装的是代码，只有在需要拿值的时候才会执行，这是生成器的惰性机制。

1、通过__next__访问生成器

# def gen():
#     print("娃哈哈")
#     yield '爽歪歪'
#     print("酸酸乳")
#     yield 'AD钙奶'
#     print('黄焖鸡米饭')
#
# ret = gen()  #获取生成器对象，生成器装的是代码，要的时候运行一段
# print(ret)   #<generator object gen at 0x0000000001E12F10>    生成器  generator
# print(ret.__next__())   #调用__next__才会执行，返回爽歪歪
# print(ret.__next__())    #调用__next__才会执行，返回Ad钙奶
#print(ret.__next__())   #StopIteration     迭代器，就找yield,找不到就会报错  往下运行，打印出了“黄焖鸡米饭”，但是找不到yield，所以报错

2、通过send()访问生成器

send()可以取值的同时给上一个yield位置传值

def func():
    print("水饺")
    a = yield "大馅水饺"
    print("a=", a)
    print("烧饼")
    b = yield  "武大郎烧饼"
    print("b=", b)
    print("老婆饼")
    c = yield "只要老婆不要饼"
    print("c =",c)

g = func()
print("返回值是：",g.__next__())
print("返回值是：",g.send("面条"))
print("返回值是：",g.send("面条"))
#print("返回值是：",g.send("面条"))  #c = 面条  报错 StopIteration
  
#结果
水饺
返回值是： 大馅水饺
a= 面条
烧饼
返回值是： 武大郎烧饼
b= 面条
老婆饼
返回值是： 只要老婆不要饼

send和__next__的区别：

　　send()和__next__都可以让生成器向下走一段，但send可以给上一个yield位置传值，使用时不能在第一次，也不能给最后一个yield传值

二、推导式

1、列表推导式

语法：[ 结果  for循环  if判断 ]

lst = ["中岛美雪","夏川美里","原由子","汪峰","田震","那英","周杰伦"]

l = [name for name in lst if len(name) == 2  ] #这就是列表推导式
print(l)

2、字典推导式

语法：{ key:value  for循环  if判断 }

dic ={"张无忌":"赵敏","杨过":"小龙女","郭靖":"黄蓉"}
new_dic = {dic[k]: k for k in dic}   #字典推导式
print(new_dic)
new = {v:k for k,v in dic.items()}   #字典推导式
print(new)

3、集合推导式

语法：{ 结果 for循环  if判断 }

lst = [1,2,3,1,2,4]
se = {k for k in lst}  #这是集合推导式
print(se)     # {1,2,3,4}

集合推导式自带去重功能

5、没有元组推导式

6、生成器表达式

语法：( 结果 for循环  if判断 )  

names = [['Tom',"Billy","Jefferson","Abdrew","Wesley","Steven","Joe"],['Alice',"Jill","Ana","Wendy",'Jennifer','Sherry','Eva']]

name_gen = (name for el in names for name in el if name.count("e")==2)
print(name_gen.__next__())
print(name_gen.__next__())
print(name_gen.__next__())


结果
#Jefferson
#Wesley
#Steven

生成器拿值方式：

1、用__next__和send

2、使用for循环

gen = (i for i in range(1,100) if i % 3 == 0)
for num in gen:
 print(num)

3、list(g)，g是生成器

gen = (i * i for i in range(100) if i % 3 == 0)
print(list(gen))

结果是一个列表

[0, 9, 36, 81, 144, 225, 324, 441, 576, 729, 900, 1089, 1296, 1521, 1764, 2025, 2304, 2601, 2916, 3249, 3600, 3969, 4356, 4761, 5184, 5625, 6084, 6561, 7056, 7569, 8100, 8649, 9216, 9801]

生成器的特性：

1、节省内存

2、惰性机制   （不到最后使用时不会拿值）  

3、拿值只能往前，不能后退

惰性机制+只能往前拿值特性的组合考察（深坑）：

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
[]
[]

**小知识  yield from**

yield ffrom 可以直接把可迭代对象中的每一个数据作为生成器的结果进行返回

def gen():
     lst = ["花藤", "胡辣汤", "微星牌饼铛", "Mac牌锅铲"]
     yield from lst

g = gen()  #获取生成器
for el in g:
    print(el)

等价于：
def gen():
     lst = ["花藤", "胡辣汤", "微星牌饼铛", "Mac牌锅铲"]
     yield  lst[0]
     yield  lst[0]
     yield  lst[0]
     yield  lst[0]
g = gen()  #获取生成器
for el in g:
    print(el)

**面试题**

1、

def gen():
     lst = ["花藤", "胡辣汤", "微星牌饼铛", "Mac牌锅铲"]
     lst2 = ["饼铛还是微星的好", "联想不能煮鸡蛋", "微星就可以", "还可以烙饼"]
     yield from lst    #yield from 会迭代返回列表中的元素，执行完lst才会执行lst2，所以不会有交替打印的效果
     yield from lst2
g = gen()
for el in g:
 print(el)
效果:
花藤
胡辣汤
微星牌饼铛
Mac牌锅铲
饼铛还是微星的好
联想不能煮鸡蛋
微星就可以
还可以烙饼

 2、

def add(a,b):
    return a + b
def test():
    for r_i in range(4):
        yield r_i
g = test()
for n in [2,10]:
    g = (add(n,i) for i in g)
print(list(g))
    #for循环第一次执行，n= 2时 g变为了 g = add(n,i) for i in (add(n,i) for i in test()  这时没取值，g也就不执行
    #  for第二次执行，n=10  此时 g= add(n,i) for i in (add(n,i) for i in test() 这时开始取值  ，g执行              

结果：
[20, 21, 22, 23]