生成器函数进阶 各种推导式
先是复习：迭代器和生成器：
迭代器：
双下方法 ： 很少直接调用的方法。一般情况下，是通过其他语法触发的
可迭代的 —— 可迭代协议 含有__iter__的方法('__iter__' in dir(数据))
可迭代的一定可以被for循环
迭代器协议: 含有__iter__和__next__方法
迭代器一定可迭代，可迭代的通过调用iter()方法就能得到一个迭代器
迭代器的特点：
*很方便使用，且只能取所有的数据取一次
*节省内存空间
生成器：
生成器的本质就是迭代器
生成器的表现形式
生成器函数
生成器表达式
生成器函数：
含有yield关键字的函数就是生成器函数
特点：
*调用函数的之后函数不执行，返回一个生成器
*每次调用next方法的时候会取到一个值
*直到取完最后一个，在执行next会报错
写生成器实现：有一个文件，从文件里分段读取内容
readline
read(10)
在读出来的内容前面加上一个'***'，再返回给调用者
def generator():
for i in range(20):
yield '哇哈哈%s'%i
g = generator() #调用生成器函数得到一个生成器
print(list(g))
ret = g.__next__() #每一次执行g.__next__就是从生成器中取值，预示着生成器函数中的代码继续执行
print(ret)
num = 0
for i in g:
num += 1
if num > 50:
break
print(i)
从生成器中取值的几个方法
next
for
数据类型的强制转换 : 占用内存
生成器进阶：
def generator(): print(123) content = yield 1 print('=======',content) print(456) arg = yield 2 '''''' yield g1 = generator() g2 = generator() g1.__next__() g2.__next__() print('***',generator().__next__()) print('***',generator().__next__())
#g = generator()
#ret = g.__next__()
#print('***',ret)
#ret = g.send('hello') #send的效果和next一样
#print('***',ret)
send 获取下一个值的效果和next基本一致
只是在获取下一个值的时候，给上一yield的位置传递一个数据
使用send的注意事项：
*第一次使用生成器的时候 是用next获取下一个值
*最后一个yield不能接受外部的值
获取移动平均值：
就是不断输入数字，然后取所有输入数字的平均值。
def average(): sum = 0 count = 0 avg = 0 while True: num = yield avg sum += num # 10 count += 1 # 1 avg = sum/count avg_g = average() avg_g.__next__() avg1 = avg_g.send(10) avg1 = avg_g.send(20) print(avg1)
预激生成器的装饰器：
用预计生成器晚上上题。
def init(func): #装饰器 def inner(*args,**kwargs): g = func(*args,**kwargs) #g = average() g.__next__() return g return inner @init def average(): sum = 0 count = 0 avg = 0 while True: num = yield avg sum += num # 10 count += 1 # 1 avg = sum/count avg_g = average() #===> inner ret = avg_g.send(10) print(ret) ret = avg_g.send(20) print(ret)
用yield遍历字符串：
yield from
def generator(): a = 'abcde' b = '12345' yield from a yield from b g = generator() for i in g: print(i)
各种推导式：
[每一个元素或者是和元素相关的操作 for 元素 in 可迭代数据类型] #遍历之后挨个处理
[满足条件的元素相关的操作 for 元素 in 可迭代数据类型 if 元素相关的条件] #筛选功能
例一：30以内所有能被3整除的数
multiples = [i for i in range(30) if i % 3 is 0] print(multiples) # Output: [0, 3, 6, 9, 12, 15, 18, 21, 24, 27]
例二：30以内所有能被3整除的数的平方
ret = [i*i for i in (1,2,3,4) if i%3 == 0] ret = (i*i for i in range(30) if i%3 == 0) print(ret)
例三:找到嵌套列表中名字含有两个‘e’的所有名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'], ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']] ret = [name for lst in names for name in lst if name.count('e') ==2] ret = (name for lst in names for name in lst if name.count('e') ==2) print(ret)
字典推导式
例一：将一个字典的key和value对调
mcase = {'a': 10, 'b': 34}
#{10:'a' , 34:'b'}
mcase_frequency = {mcase[k]: k for k in mcase}
print(mcase_frequency)
#mcase[k]:k 这个是键值对
例二：合并大小写对应的value值，将k统一成小写
mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
#{'a':10+7,'b':34,'z':3}
mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase}
print(mcase_frequency)
#get出来k的大写和小写的值相加，非常聪明！
集合推导式
例：计算列表中每个值的平方，自带去重功能
squared = {x**2 for x in [1, -1, 2]}
print(squared)
# Output: set([1, 4])
