Python进阶-VI 生成器函数进阶、生成器表达式、推导式

一、生成器函数进阶

需求：求取移动平均数

1、应用场景之一，在奥运会气枪射击比赛中，每打完一发都会显示平均环数！

 def show_avg():
     print('你已进入显示移动平均环数系统！')
     a = yield
     avg = a/1
     b = yield
     avg = (a + b)/2
     print('目前的平均环数是：')
     yield avg

 generator = show_avg()
 generator.__next__()
 print(generator.send(10))  # 第一发打了10环
 print(generator.send(9.8))  # 第二发打了9.8环

send 获取下一个值的效果和next基本一致,

只是在获取下一个值的时候，给上一yield的位置传递一个数据

使用send的注意事项
    # 第一次使用生成器的时候 是用next获取下一个值
    # 最后一个yield不能接受外部的值

2、获取移动平均值，数据如下：10，20，30，40

 # 进阶一下：用循环取平均值
 def average():
     sum = 0
     count = 0
     avg = 0
     while 1:
         num = yield avg
         sum += num
         count += 1
         avg = sum/count
 g = average()
 print(g.__next__())   #执行该语句，代码就执行到：= yield avg 返回的avg = 0 其他参数的值也都是默认的
 print(g.send(10))     #执行该语句，代码进入到第二次循环，yield avg 返回avg = 10，接着num = 10，sum = 10,count = 1,avg = 10
 print(g.send(20))     #执行该语句，代码进入到第三次循环，yield avg 返回avg = 15，接着num = 20，sum = 10+20,count = 1+1,avg =(10+20)/2
 print(g.send(30))     #执行该语句，代码进入到第四次循环，yield avg 返回avg = 20，接着num = 30，sum = 10+20+30,count = 1+1+1,avg =(10+20+30)/3
 print(g.send(40))     #执行该语句，代码进入到第五次循环，yield avg 返回avg = 25，接着num = 40，sum = 10+20+30+40,count = 1+1+1+1,avg =(10+20+30+40)/4

3、预激生成器的装饰器

 #send前必须要__next__()一下，如果大量的使用到，可以考虑使用装饰器来做！
 # 我们来改造一下打靶环数的例子：
 def next(func):
     def inner(*args,**kwargs):
         g = func(*args,**kwargs)
         g.__next__()
         return g
     return inner

 @next
 def avg_ring_count():
     print('你已进入显示移动平均环数系统！')
     sum = 0
     count = 0
     avg = 0
     while 1:
         print('目前的平均环数是：')
         num = yield avg
         sum += num
         count += 1
         avg = sum / count

 g = avg_ring_count()
 print(g.send(10))
 print(g.send(9.8))
 print(g.send(9.6))
 print(g.send(8.9))

二、生成器表达式和各种推导式

1、引入的例子：列表推导式

love_list = []
for i in range(200):
    love_list.append('ILOVEU%d'%i)
#  可以写成：
love_list = ['ILOVEU%d'%i for i in range(200)]

 2、引入生成器表达式

#将上面的列表推导式，小改一下即可：
generator = ('ILOVEU%d'%i for i in range(20))

for i in generator:
    print(i)

 我们发现两者的不同之处在于：
   括号不一样
   返回的值不一样 === 几乎不占用内存，你要一条就给一条，而不是一次性都拿出来

3、各种推导式
　　1）列表推导式，上面已经介绍过了

 #30以内所有能被3整除的数
 ret = [i for i in range(30) if i%3 == 0]  #完整的列表推导式
 g = (i for i in range(30) if i%3 == 0)  #完整的列表推导式
 print(ret)

 #30以内所有能被3整除的数的平方
 ret = [i*i for i in (1,2,3,4) if i%3 == 0]
 ret = (i*i for i in range(30) if i%3 == 0)
 print(ret)

 # 例三: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']]
 ret = [name for lst in names for name in lst if name.count('e') ==2]
 ret = (name for lst in names for name in lst if name.count('e') ==2)
 print(ret)

2）字典推导式

 #例一：将一个字典的key和value对调
 mcase = {'a': 10, 'b': 34}
 #{10:'a' , 34:'b'}
 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}
 #{'a':10+7,'b':34,'z':3}
 mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase}
 print(mcase_frequency)

 3）集合推导式

#       自带结果去重功能
squared = {x**2 for x in [1, -1, 2]}
print(squared)

4、各种推导式的小结：

 [or{or(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)or}or]              #遍历之后挨个处理 元素个数不变
 [or{or(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)or}or]     #筛选功能 带if 元素个数可能改变