python之生成器和列表推导式

一、生成器函数

1、生成器

就是自己用python代码写的迭代器，生成器的本质就是迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)。

 

2、构建生成器的两种方式

1，生成器函数：跟常规函数定义类似，但是，使用yield语句而不是return语句返回结果。
yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次从它离开的地方继续执行。

 

2，生成器表达式：类似于列表推导，但是，返回的是生成器的一个对象，
而不是一次构建一个结果列表。

 

3、生成器函数

3-1、先看一般的函数

def func1(x):
    x += 1
    return x
func1(5) #函数的执行命令，并且接收函数的返回值。
print(func1(5))  #6

 

3-2、再看生成器函数

复制代码
def func1(x):
    x += 1
    print(666)
    yield x
    x +=2
    print(777)
    print(x)
    yield 'xiaobai'
    x +=3

g = func1(5)        # 此时的func1(5)不会执行函数，因为它只是生成器函数对象
print(g)            # <generator object func1 at 0x0000025E5D618780>
print(g.__next__()) #666 6
print(next(g))      #777 8 xiaobai
复制代码


3-3、yield与return的区别

return：结束函数，给函数的执行者返回值
yield：不会结束函数，一个next对应一个yield，
执行yield上面的代码并给 生成器对象.__next__() 返回值


3-4、生成器函数与迭代器的区别
区别1：自定制的区别
迭代器由可迭代对象转化而来，已经‘写死了’

l1 = [1,2,3,4,5]
l1.__iter__()

 

生成器可用自定制函数来定制

复制代码
def func1(x):
    x += 1
    yield x
    x += 3
    yield x
    x += 5
    yield x
g1 = func1(5)
print(g1.__next__())
print(g1.__next__())
print(g1.__next__())
复制代码


区别2：内存级别的区别。
迭代器是需要可迭代对象进行转化，可迭代对象非常占内存。
生成器直接创建，不需要转化，从本质就节省内存。

def func1():
    for i in range(1000000):
        yield i
g1 = func1()
for i in range(50):
    print(g1.__next__()) #一个next取一次值，可用for循环取值

 

3-5、send与next
先看例子：

复制代码
def func1():
    print(1)
    count = yield 6
    
    print(count)
    print(2)
    count1 = yield 7
    
    print(count1)
    print(3)
    yield 8

g = func1()
print(g.__next__())       #1 6
print(g.send('xiaobai'))  #xiaobai 2 7
print(g.send('xiaigou'))  #xiaogou 3 8
复制代码
复制代码
def func1():
    print(1)
    count = yield 6

    print(count)
    print(2)
    count1 = yield 7

    print(count1)
    print(3)
    yield 8


g = func1()
print(g.__next__())  # 1 6
print(g.__next__())  # None 2 7
print(g.__next__())  # None 3 8
复制代码

总结：
send与next一样，也是对生成器取值（执行一个yield）的方法。
send可以给上一个yield 传值。

注意小坑：
1，第一次取值只能用next
2，最后一个yield不可能得到send传的值

3,yield 除了send能够赋值外，直接next后赋值给一个变量，是不生效的

 

3-6、生成器close()方法

复制代码
def fun():
    for i in range(5):
        yield i
g = fun()
print(g.__next__())
print(g.__next__())
print(g.__next__())
g.close() # 直接把生成器的值取(删)完了，后面就不能再取值
print(g.__next__()) # 报错


a = (i for i in range(4))
print(a.__next__())
print(a.__next__())
a.close()
print(a.__next__()) #报错
复制代码

 

3-7、yield from

yield from主要设计用来向子生成器委派操作任务，但实际上yield from可以向任意的迭代器委派操作，
yield from iterable 本质上等于 for item in iterable: yield item的简写

复制代码
# yield与yield from的简单对比

s = 'abcdefg'
l = [1, 2, 3, 4]
gx1 = (x for x in range(5, 9))
gx2 = (x for x in range(5, 9))


# yield
def gen1(lst):
    for item in lst:
        for i in item:
            yield i


obj_g1 = gen1([s, l, gx1])
print(next(obj_g1))  # a
print(list(obj_g1))  # ['b', 'c', 'd', 'e', 'f', 'g', 1, 2, 3, 4, 5, 6, 7, 8]


# yield from
def gen2(lst):
    for item in lst:
        yield from item


obj_g2 = gen2([s, l, gx2])
print(next(obj_g2))  # a
print(list(obj_g2))  # ['b', 'c', 'd', 'e', 'f', 'g', 1, 2, 3, 4, 5, 6, 7, 8]
复制代码
复制代码
# yield from 另外的生成器
# yield
def gen_yield(y):
    for i in range(y):
        yield i


# yield from
def gen_yield_from(x):
    for i in range(x):
        yield from gen_yield(x)


g = gen_yield_from(3)
print(next(g))  # 0
print(list(g))  # [1, 2, 0, 1, 2, 0, 1, 2]
复制代码

 

3-8、生成器函数的应用例子
要制作一批量很大的衣服，用普通的函数只能一次全部制作完：

def cloth1(n):
    for i in range(n+1):
        print('衣服%s号' % i)
cloth1(100000)  #一次全部制作完了

而用生成器函数，需要制作多少就先制作多少：

复制代码
def cloth2(n):
    for i in range(1,n+1):
        yield '衣服%s号' % i
g = cloth2(10000)

先制作50件：
for i in range(50):
    print(g.__next__()) #衣服1号，衣服2号，衣服3号...衣服50号

再制作50件：
for i in range(50):
    print(g.__next__()) #衣服51号，衣服52号，衣服53号...衣服100号
复制代码

 

3-9、生成器的取值方式

复制代码
def func1():
    for i in range(50):
        yield i


g1 = func1()  # 生成器对象

# 方式一：一个next取一次值
for i in range(40):
    print(g1.__next__())  # 0-39

# 方式二：直接循环生成器对象，把生成器全部内容一条条输出
for i in g1:
    print(i)  # 0-49
复制代码

 

二、列表推导式，生成器表达式

1、普通方法创建一个元素为1到100的列表

l1 = []
for num in range(1,101):
    l1.append(num)
print(l1)

 

2、列表推导式：一行代码几乎搞定你需要的任何的列表

2-1、两种方式：
　　循环模式
　　筛选模式

2-2、循环模式：[变量(加工后的变量) for 变量 in iterable]

复制代码
#1到100的列表
l = [i for i in range(1,101)]
print(l) #[1,2,3,4...100]

#python1到python15的列表
l2 = ['python%s' % i for i in range(1,16)]
print(l2)  #[python1,python2,python3...python15,]

#1到10的平方
l3 = [i*i for i in range(1,11)]
print(l3) #[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
复制代码

 

2-3、筛选模式 [变量(加工后的变量) for 变量 in iterable if 条件]

复制代码
#30以内的偶数
l4 = [i for i in range(1,31) if i % 2 == 0]
print(l4) #[2, 4, 6, 8,10,...28, 30]

#30以内能被3整除的数
l5 = [i for i in range(1,31) if i % 3 == 0]
print(l5) #[3, 6, 9, 12, 15, 18, 21, 24, 27, 30]

#30以内能被3整除的数的平方
l6 = [i**2 for i in range(1,31) if i % 3 == 0]
print(l6) #[9, 36, 81, 144, 225, 324, 441, 576, 729, 900]


#找出列表中含有两个'e'的元素
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
l7 = [j for i in names for j in i if j.count('e') == 2]
print(l7) #['Jefferson', 'Wesley', 'Steven', 'Jennifer']
复制代码

 

2-4、列表推导式优缺点
优点：一行解决，方便。
缺点：容易着迷，不易排错，不能超过三次循环。
列表推导式不能解决所有列表的问题，所以不要太刻意用。

 

3、生成器表达式：将列表推导式的[]换成()即可

复制代码
g = (i for i in range(100000000000))
print(g) #生成器表达式左边的变量g是生成器对象
print(g.__next__())  # 0
print(g.__next__())  # 1
print(g.__next__())  # 2

上面代码相当于：
def func():
    for i in range(100000000000):
        yield i
g = func()  #生成器对象
print(g.__next__())
print(g.__next__())
print(g.__next__())
复制代码

 

4、扩展

4-1、字典推导式

复制代码
# 例一：将一个字典的key和value对调
dic = {'a': 10, 'b': 34}
new_dic = {dic[k]: k for k in dic}
print(new_dic)
# 结果：
# {10: 'a', 34: 'b'}


# 例二：合并大小写对应的value值，将k统一成小写
dic = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
new_dic = {k.lower():dic.get(k.lower(),0) + dic.get(k.upper(),0) for k in dic}
print(new_dic)
# 结果：
# {'a': 17, 'b': 34, 'z': 3}
复制代码

 

4-2、集合推导式

# 例一：计算列表中每个值的平方，自带去重功能
set1 = {x**2 for x in [1, -1, 2]}
print(set1)
# 结果：
# {1, 4}

 

4-3、集合推导式和字典推导式的区别

复制代码
相同点：外层都是使用大括号{}
不同点：返回的形式是 key:values 形式的就是字典，返回的形式是 values1,values2...形式的是集合
# 集合推导式
set1 = {x**2 for x in (1, -1, 2)}
print(set1,type(set1))  # {1, 4} <class 'set'>
 

# 字典推导式
dic1 = {x**2:x for x in (1, -1, 2)}
print(dic1,type(dic1))  # {1: -1, 4: 2} <class 'dict'>
复制代码

 

4-4、练习题

复制代码
# 例1:  过滤掉长度小于3的字符串列表，并将剩下的转换成大写字母
l1 = [i.upper() for i in ['asdf','a','b','qwe'] if len(i) >= 3]
print(l1)
# 结果：
# ['ASDF', 'QWE']

# 例2:  求(x,y)其中x是0-5之间的偶数，y是0-5之间的奇数组成的元组列表
l2 = [(x,y) for x in range(6) if x % 2 ==0 for y in range(6) if y % 2 == 1]
print(l2)
# 结果：
# [(0, 1), (0, 3), (0, 5), (2, 1), (2, 3), (2, 5), (4, 1), (4, 3), (4, 5)]


# 例3:  求M中3,6,9组成的列表
M = [[1,2,3],[4,5,6,24,3],[7,8,9,12,9]]
l3 = [j for i in M for j in i for z in [3,6,9] if j / z == 1 ]
print(l3)
# 结果：
# [3, 6, 3, 9, 9]
复制代码

 

 

 

 

 

posted @   我用python写Bug  阅读(417)  评论(0)  编辑  收藏  举报
编辑推荐：
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列：如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列（二）：开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
阅读排行：
· Manus重磅发布：全球首款通用AI代理技术深度解析与实战指南
· 被坑几百块钱后，我竟然真的恢复了删除的微信聊天记录！
· 没有Manus邀请码？试试免邀请码的MGX或者开源的OpenManus吧
· 园子的第一款AI主题卫衣上架——"HELLO! HOW CAN I ASSIST YOU TODAY
· 【自荐】一款简洁、开源的在线白板工具 Drawnix
点击右上角即可分享
微信分享提示