python之生成器(~函数,列表推导式,生成器表达式)

一.生成器

概念:生成器的是实质就是迭代器

1.生成器的贴点和迭代器一样,取值方式也和迭代器一样.

2.生成器一般由生成器函数或者声称其表达式来创建,生成器其实就是手写的迭代器.

3.在python中有三种方式来获取生成器:

　　(1)通过生成器函数获取生成器

　　(2)通过各种推导式来实现生成器;

　　(3)通过生成器表达式来创建生成器

二.生成器函数

　　首先,先看一个简单函数,如下:

def jaun():
        print("")
        return 222

    ret = juan()
    print(ret)
    # 结果为：
    #
    #

　　将上面函数中的return换成yield就是生成器,如下:

def juan():
        print("")
        yield 222

    ret = juan()
    print(ret)
    # 结果为：<generator object func at 0x0000000002793CA8>

　　由于函数中存在了yield,那么这个函数就是一个生成器函数.这时,再执行这个函数的时候,就不再在是函数的执行了,而是获取这个生成器.

　　生成器的本质是迭代器,所以,我们可以直接执行__next__()来执行一下生成器

def juan():
    print("")
    yield 222

enner = juan()  #这个时候函数不会执行,而是获取到生成器
ret = genner.__next__()  #这个时候才会执行,yield的作用和return一样,也是返回数据
print(ret)

    # 结果为：
    #
    #

yield 和 return的区别:

　　　　　　yield是分段来执行一个函数,return是直接停止执行函数

　　

　　当程序运行完最后一个yield,那么后面继续进行__next__()程序会报错,具体如下

def juan():
    print("")
    yield 222
    print("")
    yield 444

gener = func()
ret = gener.__next__()
print(ret)
ret2=gener.__next__()
print(ret2)
ret3=gener.__next__()
print(ret3)

# 结果为：
    #
    # Traceback (most recent call last):
    #
    #   File "E:/pythonDemo/1-basis/test13.py", line 50, in <module>
    #
    #
    #     ret3 = gener.__next__()
    # StopIteration

讲到这里.那生成器有什么作用呢？我们来看这样一个需求，学校向JACK JONES订购10000套学生服，JACK JONES就比较实在，直接造出来10000套衣服，如下代码：

def cloth():
        lst = []
        for i in range(10000):
            lst.append("衣服"+str(i))
        return lst
cl = cloth()

但是呢，问题来了，学校现在没有这么多学生，一次性给学校这么多，该往哪里放，很尴尬啊！最好的效果是什么样呢？我要1套，你给我1套，一共10000套，是不是最完美的。如下代码：

def cloth():
        for i in range(10000):
            yield "衣服"+str(i)
    cl = cloth()
    print(cl.__next__())
    print(cl.__next__())
    print(cl.__next__())
    print(cl.__next__())

　　分析:第一种是直接一次性全部拿出来,会很占用内存,第二种是使用生成器,一次就一个,

用多少生成多少,生成器是一个一个的指向下一个,不会回去,__next__()到哪,指针就指到哪儿,下一次继续去指针指向的值.

接下来我们来看send()方法，send和__next__()一样都可以让生成器执行到下一个yield，如下代码：

def eat():
        print("我吃什么啊")
        a = yield "馒头"
        print("a=",a)
        b = yield "大饼"
        print("b=",b)
        c = yield "韭菜盒子"
        print("c=",c)
        yield "GAME OVER"

    gen = eat()  # 获取生成器
    ret1 = gen.__next__()
    print(ret1)
    ret2 = gen.send("胡辣汤")
    print(ret2)
    ret3 = gen.send("狗粮")
    print(ret3)
    ret4 = gen.send("猫粮")
    print(ret4)

#我吃什么啊
#馒头
#a= 胡辣汤
#大饼
#b= 狗粮
#韭菜盒子
#c= 猫粮
#GAME OVER

send()和__next__()的区别:

　　1.send()和__next__()都是让生成器向下走一次;

　　2.send()可以给上一个yield的位置传递值,不能给最后一个yield发送值,在第一次执行生成器代码的时候不能使用send()。

生成器可以使用for循环来循环获取内部的元素：

def func():
        print(111)
        yield 222
        print(333)
        yield 444
        print(555)
        yield 666

    gen = func()
    for i in gen:
        print(i)
    # 结果为：
    #
    #
    #
    #
    #
    #

三，推导式、生成器表达式

首先我们先看一下这样的代码，给出一个列表，通过循环，向列表中添加1-13:，代码如下：

    lst = []
    for i in range(1,14):
        lst.append(i)
    print(lst)

　　将上面替换成列表推导式，如下：

    lst = [i for i in range(1,14)]
    print(lst)

　　列表推导式是通过一行来构建你要的列表，列表推导式看起来代码简单，但是出现错误之后很难排查。

列表推导式的常用写法：[结果 for 变量 in 可迭代对象]

例：从python1期到python15期写入列表lst，代码如下：

 lst = ["python%s" % i for i in range(1,16)]
 print(lst)

我们还可以对列表中的数据进行筛选：筛选模式：[结果 for 变量 in 可迭代对象 if条件]，具体如下例：

 # 获取1-100内所有偶数
    lst = [i for i in range(1,101) if i % 2 == 0]
    print(lst

生成器表达式和列表推导式的语法基本上是一样的，只是把[]替换成()，具体如下：

gen = (i for i in range(10))
print(gen)   # 结果为：<generator object <genexpr> at 0x00000000021F3E60>

可以看到打印的结果就是一个生成器，我们可以使用for循环来循环这个生成器，具体如下：

gen = ("数码宝贝我第%s次爱你" % i for i in range(10))
 for i in gen:
     print(i)

生成器表达式也可以进行筛选，具体如下：

# 获取1-100内能被3整除的数
    gen = (i for i in range(1,100) if i % 3 == 0)
    for num in gen:
        print(num)

    # 100以内能被3整除的数的平方
    gen = (i * i for i in range(100) if i % 3 == 0)
    for num in gen:
        print(num)

    # 寻找名字中带有两个e的人的名字
    names = [
        ['Tom','Billy','Jefferson','Andrew','Wesley','Steven'],
        ['Alice','Jill','Ana','Wendy','Jennifer','Sherry','Eva']
    ]

    # 不用推导式和表达式
    result = []
    for first in names:
        for name in first:
            if name.count("e") == 2:
                result.append(name)
    print(result)

    # 生成器表达式
    gen = (name for first in names for name in first if name.count("e") == 2)
    for name in gen:
        print(name)

总结：

   生成器表达式和列表推导式的区别：

       1，列表推导式比较耗内存，一次性加载，生成器表达式几乎不占用内存，使用的时候才分配和使用内存；

       2，得到的值不一样，列表推导式得到的是一个列表，生成器表达式获取的是一个生成器；

举个栗子：同样一篮子鸡蛋，列表推导式：直接拿到一篮子鸡蛋；生成器表达式：拿到一个老母鸡，需要鸡蛋就给你下鸡蛋。

生成器的惰性机制：生成器只有在访问的时候才取值，说白了，你找他要他才给你值，不找他要，他是不会执行的。

def func():
        print(111)
        yield 222

    g = func()  # 生成器g
    g1 = (i for i in g)  # 生成器g1，但是g1的数据来源于g
    g2 = (i for i in g1)  # 生成器g2，数据来源于g1

    print(list(g))  # 获取g中的数据，这是func()才会被执行，打印111，获取到222，g完毕
    print(list(g1)) # 获取g1中的数据，g1的数据来源是g，但是g已经取完了，g1也就没有数据了
    print(list(g2)) # 和g1同理

深坑：生成器，要值的时候才拿值！

字典推导式：根据名字应该也能猜到，推导出来的是字典，具体如下：

# 把字典中的key和value互换
    dic = {'a':1,"b":2}
    new_dic = {v:k for k,v in dic.items()}
    print(new_dic)

    # 在以下list中，从lst1中获取的数据和lst2中相对应的位置的数据组成一个新字典
    lst1 = ['jay','jj','sylar']
    lst2 = ['周杰伦','林俊杰','邱彦涛']
    dic = {lst1[i]:lst2[i] for i in range(len(lst1))}
    print(dic)

集合推导式：集合推导式可以帮我们直接生成一个集合，集合有无序，不重复的特点，所以集合推导式自带去重功能。具体如下代码：

   lst = [1,-1,8,-8,12]
    # 绝对值去重
    s = {abs(i) for i in lst}
    print(s)

总结：

　　推导式有：

　　　　列表推导式：[结果 for 变量 in 可迭代对象 if 条件筛选]

　　　　字典推导式：{k:v for 变量 in 可迭代对象 if 条件筛选}

　　　　集合推导式：{k for 变量 in 可迭代对象 if 条件筛选}

　　　　没有元组推导式

　　　　生成器表达式： (结果 for 变量 in 可迭代对象 if 条件筛选)

　　 生成器表达式可以直接获取到生成器对象，生成器对象可以直接进行for循环，生成器具有惰性机制。

看下面一个面试题（难度系数50000000颗星，友情提示：惰性机制，不到最后不会拿值）：

def add(a,b):
        return a+b

    def test():
        for r_i in range(4):
        yield r_i

    g = test()

    for n in [2,10]:
    g = (add(n,i) for i in g)

#过程
#1)
#n=2

#g1 = (add(n,i) for i in g)

#n=10

#g = (add(n,i) for i in g1)
----------------------------

#2)
#g = (add(n,i) for i in add(n,i) for i in g)
----------------------------------------
#3)

#g = (add(10,i) for i in add(10,i) for i in g)

                        [10,11,12,13]
   结果:[20,21,22,23]

print(list(g))