自学Python之路-Python基础+模块+面向对象自学Python之路-Python网络编程自学Python之路-Python并发编程+数据库+前端自学Python之路-django

自学Python4.8 - 生成器(方式二：生成器表达式)

定义：生成器（generator）是一个包含yield关键字的函数，当它被调用的时候，在函数体中的代码不会被执行，而是会返回一个迭代器。
（一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator）；
如果函数中包含yield语法，那这个函数就会变成生成器；）

生成器是一个特殊的程序，可以被用作控制循环的迭代行为
生成器类似于返回值为数组的一个函数，这个函数可以接收参数，可以被调用，但是，不同于一般的函数会一次性返回包含了所有数值的数组，生成器一次只产生一个值，这样消耗的内粗数量大大减少，而且允许调用函数可以很快的开始处理前几个返回值。因此，生成器看起来像一个函数但是表现的却像一个迭代器

python提供了两种基本的生成器方式：

生成器函数：也是用def来定义，利用关键字yield一次返回一个结果，阻塞，重新开始
每次请求一个值，就会执行生成器中的代码，知道遇到一个yield或者return语句
①yield语句意味着应该生成一个值
②return语句意味着要停止执行（不生成任何东西，只有在一个生成器中使用时才能进行无参数调用）
生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果

2. 生成器表达式：　

　生成器表达式来自于迭代和列表解析的组合，生成器表达式和列表解析类似，但是他使用尖括号而不是方括号括起来的。

print([ x ** 3 for x in range(5)]) # 列表推导式

print((x ** 3 for x in range(5))) # 生成器表达式

print(list(x ** 3 for x in range(5)))# 两者之间转换

输出：

for n in (x ** 3 for x in range(5)):

    print('%s, %s' % (n, n * n))  # 就操作而言，生成器表如果使用大量的next()函数会显得十分不方便，for循环会自动出发next函数

输出：

[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

[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

举例1：

30以内所有能被3整除的数

举例2：

30以内所有能被3整除的数的平方

举例3：

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]

print(ret)

字典推导式

举例1：

将一个字典的key和value对调

举例2：

合并大小写对应的value值，将k统一成小写

举例3：

集合推导式，自带结果去重功能

3. 生成器函数与协程生成器表达式比较

一个迭代既可以被写成生成器函数，也可以被协程生成器表达式，均支持自动和手动迭代。而且这些生成器只支持一个active迭代，也就是说生成器的迭代器就是生成器本身。
①

def recv():

    print('Are your ready:')

    while True:

        n = yield  #yield语句还有更给力的功能，作为一个语句出现在赋值运算符的右边，接受一个值，或同时生成一个值并接受一个值

        print('总共用了 %s 秒' % n)

c = recv()

c.__next__()

c.send(100)

c.send(300)

输出：

解释：以上这种方式使用yield语句的函数称为协程。在这个例子中，对于__next__的初始调用是必不可少的，这样协程才能执行可通向第一个yield表达式的语句。在这里协程会挂起，等待相关生成器对象send()方法给它发送一个值。传递给send()的值由协程中的yield表达式返回。协程的运行一般是无限期的，使用方法close()可以显式的关闭它。
②

def split_line():

    print('ready to split')

    result = None

    while True:

        line = yield result  #如果yield表达式中提供了值，协程可以使用yield语句同时接收和发出返回值

        result = line.split()

s = split_line()

s.__next__()

print(s.send('1,2,3'))

输出：

解释：

这个例子中的先后顺序非常重要。首个next()方法让协程执行到yield result，这将返回result的值None。
在接下来的send()调用中，接收到的值被放到line中并拆分到result中。
send()方法的返回值就是下一条yield语句的值。也就是说，send()方法可以将一个值传递给yield表达式，但是其返回值来自下一个yield表达式，而不是接收send()传递的值的yield表达式。

③　如果想用send()方法来开启协程的执行，必须先send一个None值，因为这时候是没有yield语句来接受值的，否则就会抛出异常

def split_line():

    print('ready to split')

    result = None

    while True:

        line = yield result  #如果yield表达式中提供了值，协程可以使用yield语句同时接收和发出返回值

        result = line.split()

s=split_line()

print(s.send('1 2 3'))

输出：

def split_line():

    print('ready to split')

    result = None

    while True:

        line = yield result  #如果yield表达式中提供了值，协程可以使用yield语句同时接收和发出返回值

        result = line.split()

s=split_line()

print(s.send(None))

print(s.send('1 2 3'))

输出：

④ 生成器的功能非常强大。协程可以用于实现某种形式的并发。在某些类型的应用程序中，可以用一个任务调度器和一些生成器或协程实现协作式用户空间多线程，即greenlet。

yield的威力将在协程，协同式多任务处理(cooperative multitasking)，以及异步IO中得到真正的体现。

...