python笔记十（列表生成式、字典生成式、生成器、生成器的并行）

一、列表生成式

　　列表生成式就是python设置的可以用来可以生成列表的。

　　如要生成一个0-9的列表我们可以通过以下代码实现：

>>> list(range(10))
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

　　但是如果生成的列表较为复杂呢?例如生成包含0²、1²、2²。。。9²这样一个列表；

>>> L = []
>>> for i in range(10):
...     L.append(i*i)
...
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

　　在上述代码中，我们通过for循环将数值append到列表L中，虽然可以实现，但是也是low爆了~~~，以下通过一行代码搞定！！！

>>> [i*i for i in range(10)]
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

　　除此之外，列表生成式还可以生成更为复杂的列表。通过列表生成式可以快速生成格式化的列表、字典

>>> d ={"name":"nadech","age":"","address":"NANJING"}
>>> [key+"="+value for key,value in d.items()]
['name=nadech', 'age=22', 'address=NANJING']

>>> from numpy.random import randn
>>> data ={i:randn() for i in range(7)}
>>> data
{0: 0.05824826050892203, 1: 0.08046687699730207, 2: 1.860740808203487, 3: 1.577136929714018, 4: -0.5473223742129686, 5: 0.13849329354272613, 6: 1.4133333866268165}

二、生成器

　　通过列表生成式，我们可以直接创建一个列表的所有元素。

　　但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

　　如果列表可以按照需求，一边循环一边计算，就可以解决上述问题。这种机制就叫做生成器（generator）。

　　生成器共有两种形式，第一种就是把列表生成式中的[ ]改为( )；第二种就是含有yield

>>> g = (i*i for i in range(1,3))
>>> next(g)
1
>>> next(g)
4
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

　>>> (i*i for i in range(10))
　<generator object <genexpr> at 0x0000029EA41490F8>

　>>> for i in g:
　... print(i)
　...
　1
　4

　　上述代码加粗部分可以看出，创建生成器返回的是一个生成器对象的地址，并不是直接包含所有的元素的列表。

　　通过调用next，可以生成下个元素的值，不过在实际使用中我们并不会通过多次调用next，而是通过for循环来获取生成器的元素。

　　第二种我们要介绍的就是包含yield的，首先我们先实现打印输出这样一串数字，除了第一个数，后一个数都等于前两个数字的和 1，1，2，3，5，8....这就是著名的斐波那契数列，不要被这名字吓到，总之就是实现输出上边的一串数字。

>>> def fib(max):
...     n, a, b = 0, 0, 1
...     while n < max:
...         print(b)
...         a, b = b, a + b
...         n = n + 1
...     return 'done'
...
>>> fib(5)
1
1
2
3
5
'done'

　　接下来，我们对上述代码进行一处修改，把print改为yield

>>> def fib(max):
...     n,a,b = 0,0,1
...     while n<max:
...             yield(b)
...             a,b = b,a+b
...             n=n+1
...     return "done"
...
>>> fib(5)
<generator object fib at 0x000001F8B9C2AF68>

　>>> o = fib(6)
　>>> for i in o:
　... print (i)
　...
　1
　1
　2
　3
　5
　8

　　可见，命令窗口返回一个generator对象的内存地址。通过迭代输出生成器 o中的数字。

　　但是，细心的朋友可能发现，我们通过for循环来输出生成器的内容的时候，并没有输出return的“done”，这样我们就需要通过next来依次输出，同时就伴随另外一个问题的产生，当next输出到最后的时候，会抛出一个StopIteration的异常，我们需要将次异常捕获。（异常的捕获后边会详细介绍）

>>> while True:
...     try:
...         x = next(o)
...         print("o:",x)
...     except StopIteration as e:
...         print("RETURN VALUE:", e.value)
...         break
...
o: 1
o: 1
o: 2
o: 3
o: 5
o: 8
RETURN VALUE: done

　　

三、生成器的并行

　　搞清楚了生成器的特点，那么我们简单的利用生成器来实现一个并行的效果，实际上这是一个假的并行。

　　这个生成器并行的例子，叫做大猪和小猪吃包子。

import time
def consumer(name):
    print("%s 准备好吃包子了" % name)
    while True:
        type = yield     #此处的yield，可以接受producer中send的传值
        print("%s包子被%s 吃了" % (type, name))

def producer(name):
    print("%s 已经准备好做包子了~~~~"%name)
    c = consumer("大猪") #这时候不是正常的函数调用了，只是生成一个生成器队形，不执行函数体内容，调用next会执行
    c1 = consumer("小猪")

    next(c)
    next(c1)

    items = ["白菜","菠菜","生菜"]
    for item in items :
        time.sleep(1)
        print("%s已经做好了两个包子"%name)
        c.send(item)
        c1.send(item)

producer("nadech")

　　以上代码中，我们先定义了消费者函数，这个函数就用来描述大猪和小猪吃包子，我们可以看到该函数包含有yield，实际上它是一个生成器。与上个例子中的斐波那契函数不同的是这里的yield，可以接受该生成器send过来的一个值。