生成器与生成器表达式
生成器
生成器的本质就是迭代器
生成器的特点:
1.惰性机制
2.只能向前
3.节省内存
在python中有三种方式获取生成器
1.通过生成器函数
2.通过各种推导式来实现生成器
3.通过数据的转换获取生成器
def func():
print("111")
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. yield的作用和return一样. 也是返回数据
print(ret)
结果:
111
222
yield是分段执行一个函数,return是直接停止执行函数.
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__() # 最后一个yield执行完毕. 再次__next__()程序报错, 也就是说和return无关了.
print(ret3)
结果:
111
Traceback (most recent call last):
222
333
File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in <module>
444
StopIteration #迭代器执行完毕
当程序执行完最后一个yield.后面继续__next__()程序会报错.
生成器的作用:
def cloth(): #定义一个函数
lst = []
for i in range(0, 10000):
lst.append("衣服"+str(i))
return lst
cl = cloth() #调用函数
def cloth(): #定义一个生成器函数
for i in range(0, 10000):
yield "衣服"+str(i)
cl = cloth() #获取生成器
print(cl.__next__()) #获取下一个值
print(cl.__next__())
print(cl.__next__())
print(cl.__next__())
第一个程序是一次性将所有衣服全部拿出来,很占内存.第二种使用生成器.一次就一个.用多少生成多少.
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)
结果:
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()与__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,第一次执行生成代码的时候不能使用send()
生成器可以使用for循环获取内部元素.
def func(): #定义生成器函数
print(111)
yield 222
print(333)
yield 444
print(555)
yield 666
gen = func() #获取生成器
for i in gen:
print(i)
结果:
111
222
333
444
555
666
列表推导式及生成器表达式:
列表推导式的常用写法:
[结果 for 变量 in 可迭代对象 判断条件]
# 获取1-100内所有的偶数 lst = [i for i in range(1, 100) if i % 2 == 0] print(lst)
两次循环
# 寻找名字中带有两个e的人的名字
names = [['Tom', 'Billy', 'Jefferson' , 'Andrew' , 'Wesley' , 'Steven' ,'Joe'],
[ 'Alice', 'Jill' , 'Ana', 'Wendy', 'Jennifer', 'Sherry' , 1]]
lst = [name for line in names for name in line if type(name) == str and name.count("e") == 2]
print(lst)
结果:
['Jefferson', 'Wesley', 'Steven', 'Jennifer']
字典推导式:
{k:v for循环 条件筛选}
#将字典的键值相互调换
dic = {"jj": "林俊杰", "jay": "周杰伦", "zs": "赵四", "ln":"刘能"}
d = {v : k for k,v in dic.items()}
print(d)
结果:
{'林俊杰': 'jj', '周杰伦': 'jay', '赵四': 'zs', '刘能': 'ln'}
利用集合推导式可以去重
#集合推导式
lst = [1, 1, 4, 6,7,4,2,2]
s = { el for el in lst }
print(s)
生成器表达式:
gen = (i for i in range(10)) print(gen) 结果: <generator object <genexpr> at 0x106768f10>
可以使用for循环循环生成器:
gen = ("麻花藤我第%s次爱你" % i for i in range(10))
for i in gen:
print(i)
结果:
麻花藤我第0次爱你
麻花藤我第1次爱你
麻花藤我第2次爱你
麻花藤我第3次爱你
麻花藤我第4次爱你
麻花藤我第5次爱你
麻花藤我第6次爱你
麻花藤我第7次爱你
麻花藤我第8次爱你
麻花藤我第9次爱你
生成器表达式也可以进行筛选
# 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)
# 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', 'Joe'],
['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)
# 推导式
gen = (name for first in names for name in first if name.count("e") >= 2)
for name in gen:
print(name)
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.生成器表达式得到的是一个生成器.
生成器的惰性机制:生成器只有在访问的时候才取值.平常不执行.
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. 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
结果:
111
[222]
[]
[]
注意:生成器只有在要值的时候才拿值.
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.
生成器表达式可以直接获取生成器对象,也可以进行for循环.
#关于生成器的一个很重要的题
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))
结果:
[20, 21, 22, 23]
