12生成器,send,推导式

# 1.生成器的本质就是迭代器

# 2.通过函数变成一个生成器

# def func(): #      print(1) #      yield 5  # 我的函数走到这了 #      print(2) #      yield 9  # 我的函数走到这了 #  # g = func()  # 生成一个生成器

# print(g.__next__()) # print(g.__next__()) # print(list(range(10000)))

# def func():  #     print(1) #      # return 5 #      yield 5 # print(func().__next__())   # 这样生成一个生成器  # print(func().__next__())   # 这样生成一个生成器 # print(func().__next__())   # 这样生成一个生成器 # print(func().__next__())  # 这样生成一个生成器

# 函数体存的是代码

# 1.语法分析

# 2.语义分析

# 3.词法分析

# python2  next() iter()

# python3  next() __next__() iter()  __iter__()

# 大批量的数据的时候首先要想到生成器

# def func():  #     print(1) #      　　　　yield 5  # 我的函数走到这了  #     print(2) #     　　　　 yield 9  # 我的函数走到这了  # # g = func()  # 生成一个生成器  # print(g.__next__())  # print(g.__next__())

# 碰到return就结束函数 # 碰到yield不结束就挂起 # 生成器的好处,非常节省内存

# def func():
#     print(1)
#     a = yield 2  # 1.挂起 2.返回值 3.接受值
#     print(a)   # '123'
#     print(3)
#     b = yield 4
#     print(b)   #'234'
#     c = yield 9
#
# g = func()
#
# print(g.__next__())   #1 2  g.send(None)
# print(g.send('123'))  # send = next+传值
# print(g.send('234'))  # send = next+传值
# # 第一次调用生成器的时候使用send里边的值必须是None

# print(g.send('123'))  # send = next+传值 # print(g.send('234'))  # send = next+传值 # # 第一次调用生成器的时候使用send里边的值必须是None

# def func():
#     yield 1
#     yield 2
#
# g = func()
# ret = g.__next__()
# print(ret+4)
# print(g.__next__())

# def func():
#     li = [1,2,3,4]
#     # yield li
#     yield from li
#
# ret = func()  # 把生成器的地址给了ret
# print('is ret',ret.__next__())
# # 执行ret这个变量的指向的生成器地址
# print('is ret',ret)
# # 在全局空间找到一个变量叫做ret的,打印它的值 值就是生成器的地址

# # 执行ret这个变量的指向的生成器地址 # print('is ret',ret) # # 在全局空间找到一个变量叫做ret的,打印它的值 值就是生成器的地址

# def func(): #     li = [1,2,3,4] #     l2 = [5,6,7,8] #     # yield from li #     # yield from l2 #     for i in li: #         yield i # #     for em in l2: #         yield em # # ret = func()  # 把生成器的地址给了ret # print('is ret',ret.__next__()) # print('is ret',ret.__next__()) # print('is ret',ret.__next__()) # print('is ret',ret.__next__()) # print('is ret',ret.__next__())

# 总结:

#     1.生成器的本质就是一个迭代器

#     2.生成器一定是一个迭代器,迭代器不一定是一个生成器

#     3.生成器是可以让程序员自己定义的一个迭代器 #

4.生成器的好处,节省内存空间 #

5.生成器的特性 一次性的,惰性机制,从上向下 #

6.send相当于 next+传值,第一次触生成器的时候,如果使用send(None) #         值必须是None,一般我建议你们使用__next__ #

7.    python2 iter()  next() #           python3 iter()  next()  __next__() __iter__() #

8.yield from 将可迭代对象元素逐个返回

# 列表推导式

# 列表推导式
# li = []
# for i in range(10):
#     li.append(i)
# print(li)

# print([i for i in range(10)])
# [结果 语法] #容器 

li = [] # for i in range(10): #     if i%2 == 1: #         li.append(i) # print(li)

# print([i for i in range(10) if i%2 == 0])  # 过滤(筛选)

# li = [] # for i in range(10): #     for em in range(3): #         li.append(em) # print(li)

# print([j for i in range(10) for em in range(3) for j in range(5)])

# 集合推导式

# 集合推导式
# s = {i for i in range(10)}
# print(s)

# {结果 语法} 容器

# {结果 语法} 容器

# 字典推导式:

# print({i:i+1 for i in range(10)})

# print(type({1,2,32,4}))

# g = (i for i in range(10))

# {'1':1,'2':2} # {'1','2'}

# {1:2,2:3,3:4} # {'美女':1999,1999:2}

# 推导式:\

# 1.列表

# 2.集合

# 3.字典

# 1.生成器推导式

# 1.生成器: # 总结:

#     1.生成器的本质就是一个迭代器

#     2.生成器一定是一个迭代器,迭代器不一定是一个生成器

#     3.生成器是可以让程序员自己定义的一个迭代器

#     4.生成器的好处,节省内存空间

#     5.生成器的特性 一次性的,惰性机制,从上向下

#     6.send相当于 next+传值,第一次触生成器的时候,如果使用send(None)     #         值必须是None,一般我建议你们使用__next__     #     7.    python2 iter()  next()     #           python3 iter()  next()  __next__() __iter__()

#     8.yield from 将可迭代对象元素逐个返回

# 2.推导式: #     总结:         # 列表         # 集合 {1,2,3}         # 字典 {1:2,2:4}

# 看着像元组的其实是一个 生成器推导式

# 1.外部需要容器包一下,里边第一个位置 结果 剩下位置都是语句

# 2.推导式 -- 面试  实现小的需求时可以使用推导式,推导式节省代码

# 3.推导式不要写太长,可读性查.