一 : 概况
生成器实质上就是迭代器.有三种方式获得生成器 : 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得生成器.
首先,我们来看一个很简单的函数:
def func(): print("111") return 222 ret = func() print(ret) 结果: 111 222
将函数中的return换成yield ,就变成了生成器
def func(): print("111") yield 222 ret = func() print(ret) 结果: <generator object func at 0x10567ff68>
这个函数变成生成器函数之后,使用func()就不再是执行这个函数,而是获得了一个生成器,因为生成器也是迭代器,所以我们可以执行__next__()来执行生成器.
def func(): print("111") yield 222 gener = func() # 这个时候函数不不会执行. 而是获取到生成器 ret = gener.__next__() # 这个时候函数才会执行. yield的作用和return一样. 也是返回数据 print(ret) 结果: 111 222
那么我们可以看到,yield和return一样,可以停止函数,区别则是return会直接终止函数,而yield则是暂停函数,以后还可以从暂停的地方继续执行.
def func(): print("111") yield 222 print("333") yield 444 gener = func() ret = gener.__next__() print(ret) ret2 = gener.__next__() print(ret2) ret3 = gener.__next__() # 最后⼀一个yield执⾏行行完毕. 再次__next__()程序报错, 也就是说. 和return⽆无关了了. print(ret3) 结果: 111 Traceback (most recent call last): 222 333 File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in <module> 444 ret3 = gener.__next__() # 最后一个yield执行完毕. 再次__next__()程序报错, 也就是说. 和return无关了. StopIteration
send()方法 : 和 __next__()一样,都可以让生成器执行到下一个yield
def eat(): print("我吃什么啊") a = yield "馒头" print("a=", a) b = yield "大饼" print("b=", b) c = yield "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) # 结果: # 我吃什么啊 # 馒头 # a= 胡辣汤 # 大饼 # b= 狗粮 # 盒子 # c= 猫粮 # GAME OVER
send()和__next__()的异同 : 1.都可以让生成器向下走一次 2.send()可以给上一个yield的位置传值,不能给最后一个yield传值,第一次执行生成器函数的时候不能使用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: 111 222 333 444 555 666
二 : 列表推导式,生成器表达式以及其他推导式
先看一段简单代码:
lst = [] for i in range(1, 15): lst.append(i) print(lst)
它可以用以下这种形式代替:
lst = [i for i in range(1, 15)] print(lst)
这就是列表推导式,它通过一行代码生成一个列表,常用写法为: [结果 for 变量 in 可迭代对象]
还可以加上一些筛选条件,写法为 [结果 for 变量 in 可迭代对象 if 条件]
# 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区别仅仅在于[]变成了():
gen = (i for i in range(10)) print(gen) 结果: <generator object <genexpr> at 0x106768f10>
可以用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)
他也可以用if进行筛选:
# 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)
生成器表达式和列表推导式的区别:
1.列表推导式比较耗费内存,一次性加载,生成器表达式几乎不占用内存,使用的时候才会分配和使用内存
2.得到的值不同,列表推导式得到的是一个列表,生成器表达式得到的是一个生成器.
举一个例子: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.
字典推导式
# 把字典中的key和value互换 dic = {'a': 1, 'b': '2'} 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', '林俊杰', '小小涛'] dic = {lst1[i]: lst2[i] for i in range(len(lst1))} print(dic)
集合推导式
直接生成一个集合,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 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.