python学习之老男孩python全栈第九期_day014知识点总结

# 迭代器和生成器
# 迭代器
    # 双下方法：很少直接调用的方法，一般情况下，是通过其他语法触发的
# 可迭代的 --> 可迭代协议：含有__iter__的方法( '__iter__' in dir(数据) )
# 可迭代的一定可以被for循环
# 迭代器协议：含有__iter__、__next__的方法
# 迭代器一定可迭代，可迭代的通过调用iter（）方法就能得到一个迭代器
# 迭代器的特点：
    # 很方便使用，且只能取所有的数据取一次
    # 节省内存空间

# 生成器
# 生成器的本质就是迭代器
# 生成器的表现形式
    # 生成函数
    # 生成器表达式
# 生成器函数：
    # 含有yield关键字的函数就是生成器函数
    # 特点：
        # 调用函数之后函数不执行，返回一个生成器
        # 调用next方法的时候会取到一个值
        # 直到取完最后一个，再执行next会报错
# def generator():
#     for i in range(2000000):
#         yield '娃哈哈%s'%i
# g = generator()     # 调用生成器函数得到一个生成器
# ret = g.__next__()        # 每一次执行g.__next__就是从生成器中取值，预示着生成器函数中的代码继续执行
# print(ret)
# num = 0
# for j in g:
#     num += 1
#     if num > 50:
#         break
#     print(j)

# 从生成器中取值的几个方法
    # next
    # for
    # 数据类型的强制转换：占用内存
def generator():
    for i in range(20):
        yield '娃哈哈%s' % i
g = generator()  # 调用生成器函数得到一个生成器
print(list(g))          # 强制转换需要在全部运行完之后才打印

def generator():
    print(123)
    content = yield 1
    print('=====',content)
    print(456)
    yield 2
    print(789)

g = generator()
print('*',g.__next__())
print('**',g.send('hello'))
# print('**',g.send(None))        # send的效果和next一样
# print('***',g.__next__())
# print('*****',g.__next__())

# 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，给上一个值的位置传递一个数据
'''
其实next()和send()在一定意义上作用是相似的
区别是send()可以传递yield表达式的值进去，而next()不能传递特定的值，只能传递None进去
因此，我们可以看做c.next() 和 c.send(None) 作用是一样的
需要提醒的是，第一次调用时，请使用next()语句或是send(None)，不能使用send发送一个非None的值，否则会出错
最后一个yield不能接受外部的值
'''

# 获取移动平均值
# 比如：计算最近7天的平均值

# def average():
#     sum = 0
#     count = 0
#     avg = 0
#     while 1:
#         # num = yield
#         num = yield avg
#         sum += num
#         count += 1
#         avg = sum/count
#
# avg_g = average()
# avg_g.send(None)        # avg_g.__next__()
# print(avg_g.send(10))
# print(avg_g.send(20))

def init(func):     # 装饰器       func ==average
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)        # g = average()
        g.__next__()
        return g
    return inner
@init       # average == init(average)  == inner
def average():
    sum = 0
    count = 0
    avg = 0
    while 1:
        # num = yield
        num = yield avg
        sum += num
        count += 1
        avg = sum/count
avg_g = average()       # --> inner
ret = avg_g.send(10)
print(ret)
ret = avg_g.send(20)
print(ret)

# python 3
# def generator():
#     a = 'abcde'
#     b = '12345'
#     for i in a:
#         yield i
#     for i in b:
#         yield i
# g = generator()
# for i in g:
#     print(i)

def generator():
    a = 'abcde'
    b = '12345'
    yield from a
    yield from b
g = generator()
for i in g:
    print(i)

# 回顾
# send
    # send的作用范围和next一样
    # 第一次不能用send
    # 函数中的最后一个yield不能接收新的值

# 计算移动平均值的例子
# 预激生成器的装饰器的例子
# yield from

# 列表推导式
# egg_list = ['鸡蛋%s'%i for i in range(10)]      # 列表推导式
# print(egg_list)

# egg_list = []
# for i in range(10):
#     egg_list.append('鸡蛋%s'%i)
# print(egg_list)

print([i for i in range(10)])       # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
print([i*2 for i in range(10)])       # [0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

# 生成器表达式
g = (i for i in range(10))      # g是一个生成器
print(g)
for i in g:
    print(i)

# 两者不同点：
    # 括号不一样
    # 返回值不一样 --> 生成器表达式几乎不占用内存

老母鸡 = ('鸡蛋%s'%i for i in range(10))      # 老母鸡是一个生成器
print(老母鸡)
for 蛋 in 老母鸡:
    print(蛋)

g = (i*i for i in range(10))
for i in g:
    print(i)

# 列表推导式
# [每一个元素或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
# [满足条件才进行操作的元素 for 元素 in 可迭代数据类型 if 元素相关的条件 ]      # 筛选功能

# 1. 30以内所有能被3整除的数
s_list = [i for i in range(30) if i % 3 ==0]        # 完整的列表推导式
print(s_list)
#2. 30以内所有能被3整除的数的平方
ret = [i*i for i in range(30) if i % 3 == 0]
print(ret)
# 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']
]
find_name = [i for list1 in names for i in list1 if i.count('e') == 2]
print(find_name)

# 字典推导式
# 1. 将一个字典的key和value对调
mcase = {'a': 10, 'b': 34}
dic = {mcase[k]:k for k in mcase}
print(dic)

# 2. 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 = {'a': 10 + 7, 'b': 34, 'z': 3}

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}
print(mcase_frequency)

# 集合的推导式
# 1. 计算列表中每个值的平方，自带去重功能
squared = {x*x for x in [1, -1, 2]}
print(squared)

# 没有元组推导式

# 各种推倒时：生成器  列表  字典  集合
    # 遍历操作
    # 筛选操作