python day12 ——1.生成器2.生成器表达式 3.列表推导式

一、生成器

什么是生成器. 生成器实质就是迭代器。

在python中有三种方式来获取生成器:

1. 通过生成器函数。

2. 通过各种推导式来实现生成器 。

3. 通过数据的转换也可以获取生成器。

1.首先, 我们先看一个很简单的函数:

def func():
    print("")
    return 222
ret = func()
print(ret)
结果: 111 222

将函数中的return换成yield就是生成器

def func():
    print("")
    yield 222
ret = func()
print(ret)
结果: <generator object func at 0x10567ff68>

我们可以直接执行__next__()来执行以下生成器。

def func():
    print("")
    yield 222
gener = func()  # 这个时候函数不会执⾏. 而是获取到生成器 
ret = gener.__next__()  # 这个时候函数才会执行.
print(ret)
结果: 111 22

那么我们可以看到, yield和return的效果是一样的.  有什么区别呢?  yield是分段来执行一个函数。

return呢? 直接停止执行函数。

def func():
    print("")
    yield 222
    print("")
    yield 444
gener = func() 
ret = gener.__next__() 
print(ret) 
ret2 = gener.__next__() 
print(ret2) 
ret3 = gener.__next__()  # 最后⼀一个yield执行完毕. 再次__next__()程序报错, 也就是说. 和return⽆无关了了. 
print(ret3) 
当程序运行完后一个yield. 那么后面继续进行__next__()程序会报错. 

2.生成器有什么作用呢? 假如我们订购了10000件衣服。

def cloth():
    lst = []
for i in range(0, 10000):
    lst.append("衣服"+str(i))
    return lst
cl = cloth() 

但是呢，我们没有地方放这么多，想穿的时候再拿出一件。

def cloth():
    for i in range(0, 10000):
        yield "衣服"+str(i)
cl = cloth()
print(cl.__next__())
print(cl.__next__())
print(cl.__next__())
print(cl.__next__()) 

区别: 第一种是直接一次性全部拿出来. 会很占用内存. 第二种使用生成器. 一次就一个. 用多少生成多少.  生成器是一个一个的指向下⼀一个.  不会回去, __next__()到哪, 指针就指到哪儿. 下一次继续获取指针指向的值。

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

def eat():
    print("我吃什什么啊")
    a = yield "馒头"
    print("a=",a)
    b = yield "大饼"
    print("b=",b)
    c = yield "韭菜盒⼦子"
    print("c=",c)
    yield "GAME OVER
gen = eat()     # 获取⽣生成器器
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)

send和__next__()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()。
4.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:
111
222
333
444
555
666

二、列表推导式

首先我们先一下这样的代码, 给出一个列表, 通过循环, 向列表中添加1--14  :

lst = [] for i in range(1, 15):
    lst.append(i)
print(lst)

替换成列表推导式:

lst = [i for i in range(1, 15)]
print(lst)

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python14期写入列表lst

lst = ['python%s' % i for i in range(1,15)]
print(lst)

我们还可以对列表中的数据进行筛选

# 获取1-100内所有的偶数
lst = [i for i in range(1, 100) 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()

gen = (i for i in range(10))
print(gen)
结果: <generator object <genexpr> at 0x106768f10> 

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:

gen = ("麻花藤我第%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:

gen = (i for i in range(1,100) if i % 3 == 0)
for num in gen:
print(num) 

生成器表达式和列表推导式的区别:

1. 列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用内存. 使用的时候才分配和使用内存。

2. 得到的值不⼀一样. 列表推导式得到的是一个列列表. 生成器表达式获取的是一个生成器。

3.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()  # ⽣生成器器g
g1 = (i for i in g) # ⽣生成器器g1. 但是g1的数据来源于g
g2 = (i for i in g1) # ⽣生成器器g2. 来源g1
print(list(g))  # 获取g中的数据. 这时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. 要值得时候才拿值. 

2.字典推导式:推导出来的是字典

# 把字典中的key和value互换
dic = {'a': 1, 'b': ''}
new_dic = {dic[key]: key for key in dic} 
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. 集合的特点: 无序, 不重复. 所以集合推导式自带去重功能

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, 字典推导式, 集合推导式, 没有元组推导式

生成器表达式: (结果 for 变量量 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.

一个⾯面试题. 难度系数500000000颗星:

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)
print(list(g))