python:生成器进阶

1，列表推导式

值 for 循环

2,生成器表达式

g=(i for i in range(10))

print(g)

for i in g:

print(i)

3，列表推导式与生成器表达式的区别

#括号不一样

#返回值不一样  ===》生成器表达式几乎不占内存

g =('鸡蛋%s'%i for i in range(10))

print(g)

for i in g:

　　print(i)

4，各种推导式

1)列表推导式：

[每一个元素或者是和元素相关的操作  for  元素  in  可迭代数据类型]       #遍历之后挨个处理

#例:找到嵌套列表中名字含有两个‘e’的所有名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]

print([name for lst in names for name in lst if name.count('e') >= 2])  # 注意遍历顺序，这是实现的关键

2)列表推导式（筛选功能）：

[满足条件的元素相关的操作 for 元素 in 可迭代数据类型 if 元素相关的条件]   #筛选功能

3）生成器推导式：

（满足条件的元素相关的操作 for 元素 in 可迭代数据类型 if 元素相关的条件）

4）字典推导式：

例一：将一个字典的key和value对调

mcase = {'a': 10, 'b': 34}
mcase_frequency = {mcase[k]: k for k in mcase}
print(mcase_frequency)

例二：合并大小写对应的value值，将k统一成小写

mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase.keys()}
print(mcase_frequency)

5)集合推导式：

squared = {x**2 for x in [1, -1, 2]}
print(squared)
# Output: set([1, 4])

5,移动平均值

def averager():
    total = 0.0
    count = 0
    average = None
    while True:
        term = yield average
        total += term
        count += 1
        average = total/count

g_avg = averager()
next(g_avg)
print(g_avg.send(10))
print(g_avg.send(30))
print(g_avg.send(5))

6，预激生成器的装饰器

def init(func):  #在调用被装饰生成器函数的时候首先用next激活生成器
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        next(g)
        return g
    return inner

@init
def averager():
    total = 0.0
    count = 0
    average = None
    while True:
        term = yield average
        total += term
        count += 1
        average = total/count

g_avg = averager()
# next(g_avg)   在装饰器中执行了next方法
print(g_avg.send(10))
print(g_avg.send(30))
print(g_avg.send(5))