python之生成器和列表推导式

一、生成器函数

1、生成器

就是自己用python代码写的迭代器，生成器的本质就是迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)。

2、构建生成器的两种方式

1，生成器函数：跟常规函数定义类似，但是，使用yield语句而不是return语句返回结果。
yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次从它离开的地方继续执行。

2，生成器表达式：类似于列表推导，但是，返回的是生成器的一个对象，
而不是一次构建一个结果列表。

3、生成器函数

3-1、先看一般的函数

def func1(x):

    x += 1

    return x

func1(5) #函数的执行命令，并且接收函数的返回值。

print(func1(5))  #

3-2、再看生成器函数

def func1(x):

    x += 1

    print(666)

    yield x

    x +=2

    print(777)

    print(x)

    yield 'xiaobai'

    x +=3

g = func1(5)        # 此时的func1(5)不会执行函数，因为它只是生成器函数对象

print(g)            # <generator object func1 at 0x0000025E5D618780>

print(g.__next__()) #666 6

print(next(g))      #777 8 xiaobai

3-3、yield与return的区别

return：结束函数，给函数的执行者返回值
yield：不会结束函数，一个next对应一个yield，
执行yield上面的代码并给生成器对象.__next__() 返回值

3-4、生成器函数与迭代器的区别
区别1：自定制的区别
迭代器由可迭代对象转化而来，已经‘写死了’

l1 = [1,2,3,4,5]

l1.__iter__()

生成器可用自定制函数来定制

def func1(x):

    x += 1

    yield x

    x += 3

    yield x

    x += 5

    yield x

g1 = func1(5)

print(g1.__next__())

print(g1.__next__())

print(g1.__next__())

区别2：内存级别的区别。
迭代器是需要可迭代对象进行转化，可迭代对象非常占内存。
生成器直接创建，不需要转化，从本质就节省内存。

def func1():

    for i in range(1000000):

        yield i

g1 = func1()

for i in range(50):

    print(g1.__next__()) #一个next取一次值，可用for循环取值

3-5、send与next
先看例子：

def func1():

    print(1)

    count = yield 6

    print(count)

    print(2)

    count1 = yield 7

    print(count1)

    print(3)

    yield 8

g = func1()

print(g.__next__())       #1 6

print(g.send('xiaobai'))  #xiaobai 2 7

print(g.send('xiaigou'))  #xiaogou 3 8

总结：
send与next一样，也是对生成器取值（执行一个yield）的方法。
send可以给上一个yield 传值。
注意小坑：
1，第一次取值只能用next
2，最后一个yield不可能得到send传的值

3-6、生成器close()方法

def fun():

    for i in range(5):

        yield i

g = fun()

print(g.__next__())

print(g.__next__())

print(g.__next__())

g.close() # 直接把生成器的值取(删)完了，后面就不能再取值

print(g.__next__()) # 报错

a = (i for i in range(4))

print(a.__next__())

print(a.__next__())

a.close()

print(a.__next__()) #报错

3-7、生成器函数的应用例子
要制作一批量很大的衣服，用普通的函数只能一次全部制作完：

def cloth1(n):

    for i in range(n+1):

        print('衣服%s号' % i)

cloth1(100000)  #一次全部制作完了

而用生成器函数，需要制作多少就先制作多少：

def cloth2(n):

    for i in range(1,n+1):

        yield '衣服%s号' % i

g = cloth2(10000)

先制作50件：

for i in range(50):

    print(g.__next__()) #衣服1号，衣服2号，衣服3号...衣服50号

再制作50件：

for i in range(50):

    print(g.__next__()) #衣服51号，衣服52号，衣服53号...衣服100号

3-8、生成器的取值方式

def func1():

    for i in range(50):

        yield i

g1 = func1()  # 生成器对象

# 方式一：一个next取一次值

for i in range(40):

    print(g1.__next__())  # 0-39

# 方式二：直接循环生成器对象，把生成器全部内容一条条输出

for i in g1:

    print(i)  # 0-49

二、列表推导式，生成器表达式

1、普通方法创建一个元素为1到100的列表

l1 = []

for num in range(1,101):

    l1.append(num)

print(l1)

2、列表推导式：一行代码几乎搞定你需要的任何的列表

2-1、两种方式：
　　循环模式
　　筛选模式

2-2、循环模式：[变量(加工后的变量) for 变量 in iterable]

#1到100的列表

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

print(l) #[1,2,3,4...100]

#python1到python15的列表

l2 = ['python%s' % i for i in range(1,16)]

print(l2)  #[python1,python2,python3...python15,]

#1到10的平方

l3 = [i*i for i in range(1,11)]

print(l3) #[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

2-3、筛选模式 [变量(加工后的变量) for 变量 in iterable if 条件]

#30以内的偶数

l4 = [i for i in range(1,31) if i % 2 == 0]

print(l4) #[2, 4, 6, 8,10,...28, 30]

#30以内能被3整除的数

l5 = [i for i in range(1,31) if i % 3 == 0]

print(l5) #[3, 6, 9, 12, 15, 18, 21, 24, 27, 30]

#30以内能被3整除的数的平方

l6 = [i**2 for i in range(1,31) if i % 3 == 0]

print(l6) #[9, 36, 81, 144, 225, 324, 441, 576, 729, 900]

#找出列表中含有两个'e'的元素

names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],

         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]

l7 = [j for i in names for j in i if j.count('e') == 2]

print(l7) #['Jefferson', 'Wesley', 'Steven', 'Jennifer']

2-4、列表推导式优缺点
优点：一行解决，方便。
缺点：容易着迷，不易排错，不能超过三次循环。
列表推导式不能解决所有列表的问题，所以不要太刻意用。

3、生成器表达式：将列表推导式的[]换成()即可

g = (i for i in range(100000000000))

print(g) #生成器表达式左边的变量g是生成器对象

print(g.__next__())  #

print(g.__next__())  #

print(g.__next__())  #

上面代码相当于：

def func():

    for i in range(100000000000):

        yield i

g = func()  #生成器对象

print(g.__next__())

print(g.__next__())

print(g.__next__())

4、扩展

4-1、字典推导式

# 例一：将一个字典的key和value对调

dic = {'a': 10, 'b': 34}

new_dic = {dic[k]: k for k in dic}

print(new_dic)

# 结果：

# {10: 'a', 34: 'b'}

# 例二：合并大小写对应的value值，将k统一成小写

dic = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}

new_dic = {k.lower():dic.get(k.lower(),0) + dic.get(k.upper(),0) for k in dic}

print(new_dic)

# 结果：

# {'a': 17, 'b': 34, 'z': 3}

4-2、集合推导式

# 例一：计算列表中每个值的平方，自带去重功能

set1 = {x**2 for x in [1, -1, 2]}

print(set1)

# 结果：

# {1, 4}

4-3、集合推导式和字典推导式的区别

相同点：外层都是使用大括号{}

不同点：返回的形式是 key:values 形式的就是字典，返回的形式是 values1,values2...形式的是集合

# 集合推导式

set1 = {x**2 for x in (1, -1, 2)}

print(set1,type(set1))  # {1, 4} <class 'set'>

# 字典推导式

dic1 = {x**2:x for x in (1, -1, 2)}

print(dic1,type(dic1))  # {1: -1, 4: 2} <class 'dict'>

4-4、练习题

# 例1:  过滤掉长度小于3的字符串列表，并将剩下的转换成大写字母

l1 = [i.upper() for i in ['asdf','a','b','qwe'] if len(i) >= 3]

print(l1)

# 结果：

# ['ASDF', 'QWE']

# 例2:  求(x,y)其中x是0-5之间的偶数，y是0-5之间的奇数组成的元组列表

l2 = [(x,y) for x in range(6) if x % 2 ==0 for y in range(6) if y % 2 == 1]

print(l2)

# 结果：

# [(0, 1), (0, 3), (0, 5), (2, 1), (2, 3), (2, 5), (4, 1), (4, 3), (4, 5)]

# 例3:  求M中3,6,9组成的列表

M = [[1,2,3],[4,5,6,24,3],[7,8,9,12,9]]

l3 = [j for i in M for j in i for z in [3,6,9] if j / z == 1 ]

print(l3)

# 结果：

# [3, 6, 3, 9, 9]