day14:列表/集合/字典推导式&生成器表达式&生成器函数
推导式
推导式的定义: 通过一行循环判断,遍历一系列数据的方式
推导式的语法:
val for val in Iterable
三种方式:
[val for val in Iterable]
{val for val in Iterable}
{k:v for k,v in Iterable}
列表推导式
1.单循环推导式
将[1,2,3,4,5] -> [3,6,9,12,15]
# 1.单循环推导式 [1,2,3,4,5] -> [3,6,9,12,15] lst = [1,2,3,4,5] lst_new = [] for i in lst: res = i * 3 lst_new.append(res) print(lst_new) # 改写成推导式 lst = [i*3 for i in lst] print(lst)
2.带有判断条件的单循环推导式
# 2.带有判断条件的单循环推导式 (只能是单项分支,接在for后面) lst = [1,2,3,4,5,6,7,8] lst_new = [] for i in lst: if i % 2 == 1: lst_new.append(i) print(lst_new) # 改写成推导式 lst = [i for i in lst if i % 2 == 1] print(lst)
3.双循环推导式
# 3. 双循环推导式 lst1 = ["A","B","C","D"] lst2 = ["X","Y","Z","Q"] # "谁"❤"谁" lst_new = [] for i in lst1: for j in lst2: strvar = i + "❤" + j lst_new.append(strvar) print(lst_new) # 改写成推导式 lst = [i + "❤" + j for i in lst1 for j in lst2] print(lst)
4.带有判断条件的多循环推导式
# 4.带有判断条件的多循环推导式 lst_new = [] for i in lst1: for j in lst2: if lst1.index(i) == lst2.index(j): strvar = i + "❤" + j lst_new.append(strvar) print(lst_new) # 改写成推导式 lst = [ i + "❤" + j for i in lst1 for j in lst2 if lst1.index(i) == lst2.index(j) ] print(lst)
推导式练习题
1.{'x': 'A', 'y': 'B', 'z': 'C' } 把字典写成x=A,y=B,z=C的列表推导式
# 使用等号"="进行拼接 lst = [k + "=" + v for k,v in dic.items()] print(lst)
2.x是0-5之间的偶数,y是0-5之间的奇数 把x,y组成一起变成元组,放到列表当中
# 方法一 lst = [(x,y) for x in range(6) for y in range(6) if x % 2 == 0 and y % 2 == 1] print(lst) # 方法二 lst = [(x,y) for x in range(6) if x % 2 == 0 for y in range(6) if y % 2 == 1] print(lst)
3.使用列表推导式 制作所有99乘法表中的运算
# for前面是一个format字符串的格式化 lst = ["{}*{}={:2d} ".format(i,j,i*j) for i in range(9,0,-1) for j in range(1,i+1) ] print(lst)
4.求M,N中矩阵和元素的乘积
M = [ [1,2,3],
[4,5,6],
[7,8,9] ]
N = [ [2,2,2],
[3,3,3],
[4,4,4] ]
=>实现效果1 [2, 4, 6, 12, 15, 18, 28, 32, 36]
=>实现效果2 [[2, 4, 6], [12, 15, 18], [28, 32, 36]]
# 实现思路 M = [[1,2,3],[4,5,6],[7,8,9]] N = [[2,2,2],[3,3,3],[4,4,4]] """ M[0][0] * N[0][0] => 2 M[0][1] * N[0][1] => 4 M[0][2] * N[0][2] => 6 M[1][0] * N[1][0] => 12 M[1][1] * N[1][1] => 15 M[1][2] * N[1][2] => 18 M[2][0] * N[2][0] => 28 M[2][1] * N[2][1] => 32 M[2][2] * N[2][2] => 36 外层的循环动的慢,内层的循环动的快, 外层的循环动一次,内层的循环动3次, 利用这个规律取出对应下标,乘积即可. """ # 效果一 [2, 4, 6, 12, 15, 18, 28, 32, 36] lst = [M[i][j] * N[i][j] for i in range(3) for j in range(3)] print(lst) # 效果二 [[2, 4, 6], [12, 15, 18], [28, 32, 36]] # 1 . 先遍历出三个空列表 lst = [ [] for i in range(3) ] => [ [],[],[] ] # 2 . 把空列表中的数据在通过推导式算出所有内容 lst = [ [M[i][j] * N[i][j] for j in range(3)] for i in range(3) ] print(lst)
集合推导式
关于集合推导式的一个示例:
1.集合有自动去重的效果
2.用三元表达式+推导式即可实现
""" 案例: 满足年龄在18到21,存款大于等于5000 小于等于5500的人, 开卡格式为:尊贵VIP卡老x(姓氏),否则开卡格式为:普通用户卡老x(姓氏) 把开卡的种类统计出来 """ listvar = [ {"name":"彭云飞","age":18,"money":10000}, {"name":"夏圣钦","age":19,"money":5100}, {"name":"陈正正","age":20,"money":4800}, {"name":"王添龙","age":21,"money":2000}, {"name":"万潇阳","age":18,"money":20} ] # 常规写法 setvar = set() for i in listvar: if 18 <= i["age"] <= 21 and 5000 <= i["money"] <= 5500: res = "尊贵VIP卡老" + i["name"][0] else: res = "普通用户卡老" + i["name"][0] setvar.add(res) print(setvar) # 改写成集合推导式 # {三元运算符 + 推导式} setvar = { "尊贵VIP卡老" + i["name"][0] if 18 <= i["age"] <= 21 and 5000 <= i["money"] <= 5500 else "普通用户卡老" + i["name"][0] for i in listvar } print(setvar)
字典推导式
1.enumerate
功能:
枚举 ; 将索引号和iterable中的值,一个一个拿出来配对组成元组放入迭代器中
参数:
iterable: 可迭代性数据 (常用:迭代器,容器类型数据,可迭代对象range)
start: 可以选择开始的索引号(默认从0开始索引)
返回值:迭代器
enumerate形成字典推导式示例：
from collections import Iterator lst = ["东邪","西毒","南帝","北丐"] # 基本使用 it = enumerate(lst) # [(0, '东邪'), (1, '西毒'), (2, '南帝'), (3, '北丐')] print(isinstance(it,Iterator)) # for + next for i in range(4): print(next(it)) # list """start可以指定开始值,默认是0""" it = enumerate(lst,start=1) print(list(it)) # [(1, '东邪'), (2, '西毒'), (3, '南帝'), (4, '北丐')] # enumerate 形成字典推导式 变成字典 dic = { k:v for k,v in enumerate(lst,start=1) } print(dic) # {1: '东邪', 2: '西毒', 3: '南帝', 4: '北丐'} # dict 强制变成字典 dic = dict(enumerate(lst,start=1)) print(dic) # {1: '东邪', 2: '西毒', 3: '南帝', 4: '北丐'}
2.zip
zip(iterable, ... ...)
功能:将多个iterable中的值,一个一个拿出来配对组成元组放入迭代器中
参数:iterable: 可迭代性数据 (常用:迭代器,容器类型数据,可迭代对象range)
返回值: 迭代器
特征:如果找不到对应配对的元素,当前元素会被舍弃
lst1=["Fly","1dao","Hurt","Mojo"] lst2=["Snow","Song","Giao"] lst3=["770","JieJ"] it = zip(lst1,lst2,lst3) print(list(it)) # [('Fly', 'Snow', '770'), ('1dao', 'Song', 'JieJ')] # zip形成字典推导式 变成字典 lst1=["Fly","1dao","Hurt","Mojo"] lst2=["Snow","Song","Giao"] dic={k:v for k,v in zip(lst1,lst2)} print(dic) # {'Fly': 'Snow', '1dao': 'Song', 'Hurt': 'Giao'} # dict强制变为字典 dic = dict(zip(lst1,lst2)) print(dic) # {'Fly': 'Snow', '1dao': 'Song', 'Hurt': 'Giao'}
生成器表达式
1.生成器本质是迭代器，允许自定义逻辑的迭代器
2.迭代器和生成器区别:
迭代器本身是系统内置的.重写不了.而生成器是用户自定义的,可以重写迭代逻辑
3.生成器可以用两种方式创建:
(1)生成器表达式 (里面是推导式,外面用圆括号)
(2)生成器函数 (用def定义,里面含有yield)
4.生成器表达式<=>元组推导式
gen = (i*2 for i in range(1,11))
生成器函数
yield 类似于 return
共同点在于:执行到这句话都会把值返回出去
不同点在于:yield每次返回时,会记住上次离开时执行的位置 , 下次在调用生成器 , 会从上次执行的位置往下走
而return直接终止函数,每次重头调用.
yield 6 和 yield(6) 2种写法都可以 yield 6 更像 return 6 的写法 推荐使用
1.生成器函数的基本语法:
# 定义一个生成器函数 def mygen(): print(111) yield 1 print(222) yield 2 print(333) yield 3 # 初始化生成器函数,返回生成器对象,简称生成器 gen = mygen() # gen是生成器对象（生成器） print(isinstance(gen,Iterator)) # gen是一个迭代器 # 使用next调用 res = next(gen) print(res) res = next(gen) print(res) res = next(gen) print(res)
关于生成器函数的执行流程
代码解析:
初始化生成器函数 -> 生成器(通过next调用)
第一次调用生成器
res = next(gen) => print(111) yield 1 保存当前代码状态14行,并将1这个值返回 print(1) ,等待下一次调用
第二次调用生成器
res = next(gen) => 从上一次保存的状态14行继续向下执行
print(222) yield 2 保存当前代码状态17行,并将2这个值返回 print(2) ,等待下一次调用
第三次调用生成器
res = next(gen) => 从上一次保存的状态17行继续向下执行
print(333) yield 3 保存当前代码状态20行,并将3这个值返回 print(3) ,等待下一次调用
第四次调用生成器
因为没有更多yield返回数据了,所以直接报错.
2.send的用法
next和send区别:
next 只能取值
send 不但能取值,还能发送值
send注意点:
第一个 send 不能给 yield 传值 默认只能写None
最后一个yield 接受不到send的发送值
send 是给上一个yield发送值
def mygen(): print("process start") res = yield 100 print(res,"内部打印1") res = yield 200 print(res,"内部打印2") res = yield 300 print(res,"内部打印3") print("process end") # 初始化生成器函数 -> 生成器 gen = mygen() # 在使用send时,第一次调用必须传递的参数是None(硬性语法),因为第一次还没有遇到上一个yield '''第一次调用''' res = gen.send(None) #<=> next(gen) print(res) '''第二次调用''' res = gen.send(101) #<=> next(gen) print(res) '''第三次调用''' res = gen.send(201) #<=> next(gen) print(res) '''第四次调用, 因为没有更多的yield返回数据了,所以StopIteration''' res = gen.send(301) #<=> next(gen) print(res)
初始化生成器函数,返回生成器对象
第一次调用时,
print("process start")
res = yield 100 记录当前代码状态81行,返回100,等待下一次调用
res = 100 print(100)
第二次调用时,
把101 发送给上一个yield保存的状态81行 res = 101 从81行继续往下走
print(101,"内部打印1")
res = yield 200 记录当前代码状态84行,返回200,等待下一次调用
res = 200 print(200)
第三次调用时,
把201 发送给上一个yield保存的状态84行 res = 201 从84行继续往下走
print(201,"内部打印2")
res = yield 300 记录当前代码状态87行,返回300,等待下一次调用
res = 300 print(300)
3.yield from
将一个可迭代对象变成一个迭代器返回
def mygen(): yield from ["Alan","Fly","Hurt","1dao"] gen = mygen() print(next(gen)) print(next(gen)) print(next(gen)) print(next(gen))
4.示例：用生成器描述斐波那契数列
"""1 1 2 3 5 8 13 21 34 ... """ """ yield 1 a,b = b,a+b = 1,1 yield 1 a,b = b,a+b = 1,2 yield 2 a,b = b,a+b = 2,3 yield 3 a,b = b,a+b = 3,5 yield 5 .... """ def mygen(maxlen): a,b = 0,1 i = 0 while i < maxlen: yield b a,b = b,a+b i+=1 # 初始化生成器函数 -> 生成器 gen = mygen(10) for i in range(3): print(next(gen))
