Python生成器、推导式之前襟后裾
生成器
函数体内有yield选项的就是生成器，生成器的本质是迭代器，由于函数结构和生成器结构类似，可以通过调用来判断是函数还是生成器，如下：
def fun(): yield "我是生成器" print(fun()) # 打印内容如下: <generator object fun at 0x0000000002160ED0>
生成器的优点就是节省内存.
Python获取生成器的二种方式:
- 通过函数获取生成器
- 通过生成器推导式创建生成器
通过函数获取生成器
def fun(): print("fun") yield "生成器" g = fun() print(g) # 打印函数名查看是否是生成器 # 打印内容如下: <generator object fun at 0x0000000000510ED0>
从打印内容可以看出是生成器，但是发现生成器里面的内容没有被打印，那如何打印生成器内容呢?我们可以把生成器理解成迭代器的变异版，所以要打印生成器的内容，与迭代器类似，创建生成器对象后，可以使用生成器.__next__()来打印生成器内容，或者next()、send()等来打印生成器，如下：
使用.__next__()来打印生成器中的内容：
def fun(): print("我在yield 1的上面") yield "yield 1" print("我在yield 1的下面") g = fun() # 创建生成器对象 print(g.__next__()) # 打印生成器里面的内容 # 打印内容如下 我在yield 1的上面 yield 1
从上面的打印结果可以发现yield下面的print语句没有被打印，到yield停止了。
def fun(): print("我在yield 1 上面") yield "我是yield 1" print("我在yield 1 下面") yield "我是yield 2" print("我在yield 2 下面")
g = fun() # 创建生成器对象 print(g.__next__()) print(g.__next__()) # 打印内容如下 我在yield 1 上面 我是yield 1 我在yield 1 下面 我是yield 2
由上面两个事例我们可以看出就是每next一次就执行一次yield上面的代码一次，yield下面的代码不会被执行，这就是生成器的惰性机制。
下面使用next()打印生成器内容：
def fun(): print("我在yield 1 上面") yield "我是yield 1" print("我在yield 1 下面") yield "我是yield 2" print("我在yield 2 下面") g = fun() print(next(g)) # next(g)打印生成器内容 print(next(g)) # next(g)打印生成器内容 # 打印内容如下 我在yield 1 上面 我是yield 1 我在yield 1 下面 我是yield 2
与.__next__()功能类似
在使用send(参数)打印生成器内容：
send方法可以给上一层的yield传递一个值，如果上一个yield没有值的话send的参数将被忽略，如果有值yield的值将被改变成当前的参数，还有需要注意的地方就是如果send(参数)做为第一次迭代，由于上一层没有yield，所以没有办法传参，会导致出现错误，错误内容如下：
TypeError: can't send non-None value to a just-started generator
我们将send(None)作为第一次调用即可，然后在第二次调用时可以传适当的参数。如下：
def fun(): val = yield "我是yield 1" print(val) val = yield "我是yield 2" print(val) yield "我是yield 3" print("我在yield 3 下面") g = fun() print(g.send(None)) print(g.send("我是send 2")) print(g.send("我是send 3")) # 打印内容如下 我是yield 1 我是send 2 我是yield 2 我是send 3 我是yield 3
使用for循环打印生成器所有内容。
def fun(): yield "我是yield 1" yield "我是yield 2" yield "我是yield 3" g = fun() # 创建生成器对象 for g_buf in g: # 使用for循环打印生成器对象 print(g_buf) # 打印内容如下 我是yield 1 我是yield 2 我是yield 3
yield可以返回任何数据类型，这里以列表为事例：
def fun(): list_1 = [1,2,3,4,5] yield list_1 # 将整个列表作为返回值传给生成器对象 g = fun() # 创建生成器对象 print(g.__next__()) # 打印生成器对象 # 打印内容如下: [1, 2, 3, 4, 5]
如果想要yield从列表中每次返回一个元素可以使用yield from 列表来实现，如下：
def fun(): list_1 = [1,2,3,4,5] yield from list_1 g = fun() # 创建生成器对象 print(g.__next__()) # 打印生成器对象内容 # 打印内容如下: 1
可以发现只打印了列表中的一个元素，可以使用for循环打印所有内容：
def fun(): list_1 = [1,2,3,4,5] yield from list_1 g = fun() for g_buf in g: print(g_buf) # 打印内容如下: 1 2 3 4 5
相当于执行了5次print(g.__next__()) 打印生成器所有内容。
推导式
列表推导式
如给list_1列表赋值，常规做法如下：
list_1 = [] for num in range(10): list_1.append(num) print(list_1) # 打印内容如下 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
使用列表推导式如下：
list_1 = [num for num in range(10)] list_2 = ["Python: %s" % num for num in range(3)] print(list_1) print(list_2) # 打印内容如下 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] ['Python: 0', 'Python: 1', 'Python: 2']
列表推导式还可以进行筛选，如下：
list_1 = [num for num in range(20) if num < 5 or num == 15] print(list_1) # 打印内容如下: [0, 1, 2, 3, 4, 15]
升级一点，将一个嵌套列表中以"a"开头和以"h"开头的元素存放在一个空列表中，基础写法如下：
names = [['abc', 'abb', 'zzz'],["hello","world","xiaoming"]] list_names = [] for name_1 in names: if type(name_1) == list: for name_2 in name_1: if name_2.startswith("a") or name_2.startswith("h"): list_names.append(name_2) print(list_names) # 打印内容如下: ['abc', 'abb', 'hello']
使用列表推导法：
names = [['abc', 'abb', 'zzz'],["hello","world","xiaoming"]] list_names = [name_2 for name_1 in names if type(name_1) for name_2 in name_1 if name_2.startswith("a") or\ name_2.startswith("h")] # 打印内容如下: ['abc', 'abb', 'hello']
生成器推导式
与列表推导式类似，只不过列表是使用[]，生成器推导式使用的是()。
g_1 = (num for num in range(10)) print(g_1) print(g_1.__next__()) print(g_1.__next__())
# 打印内容如下 <generator object <genexpr> at 0x0000000002FAACA8> 0 1
我们知道生成器是具有惰性的，每次只能获取一条数据，下面使用for循环打印所有内容：
g_1 = (num for num in range(10)) for num in g_1: print(num,end=' ') # 打印内容如下 0 1 2 3 4 5 6 7 8 9
生成器的筛选与列表推导式用法一样，只不过是()。
如下：过滤1-20内的所有偶数。
g_1 = (num for num in range(20) if num % 2 == 0) for i in g_1: print(i,end=" ") # 打印内容如下 0 2 4 6 8 10 12 14 16 18
生成器表达式和列表推导式的区别：
- 列表推导式比较耗内存，一次性加载全部数据，生成器表达式几乎不占用内存，使用的时候才分配和使用内存。
- 得到的值不一样，列表推导式得到的是一个列表全部数据，生成器表达式获取的是一个生成器。
字典推导式
list_1 = ["电视剧","电影"] list_2 = ["上海滩","黄飞鸿"] dict_1 = {list_1[i]:list_2[i] for i in range(len(list_1))} print(dict_1) # 打印内容如下: {'电视剧': '上海滩', '电影': '黄飞鸿'}
集合推导式
集合的特点：无序、不重复所以集合推导式自带去重功能。
list_1 = [1,2,3,4,2,3,5] set_1 = {i for i in list_1} # 集合推导式 print(set_1) # 打印内容如下: {1, 2, 3, 4, 5}
总结:
- 推导式有列表推导式、生成器推导式、字典推导式、集合推导式。
- 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，生成器对象具有惰性，每次只能获取一条内容，可以使用for循环打印生成器所有的内容。
下一篇：装饰器，常用内置函数：https://www.cnblogs.com/caesar-id/p/10328512.html
