python--生成器,生成器推导式, yield from
一.生成器
生成器的本质就是迭代器,它一个一个的创建对象.
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.通过数据的类型转换也可以获取生成器
二.生成器函数
生成器函数中包含yield,返回数据和return差不多, return会立即结束这个函数的执行, yield 可以分段的执行一个函数
生成器函数在执行的时候返回生成器,而不是直接执行此函数
能向下执行的两个条件:
1. __next__(),执行到下一个yield
2. send(),执行到下一个yield,给上一个yield位置传值
注意:
所有的生成器都是迭代器都可以使用for循环
都可以使用list()函数来获取到生成器内所有的数据
生成器中记录的代码而不是函数的运行
优点: 节省内存, 生成器本身就是代码. 几乎不占用内存
特点: 惰性机制, 只能向前. 不能反复
def func(): print('111') yield 222 gen = func() # 创建生成器.此时运行会把生成器函数中的代码记录在内存当中 ret = gen.__next__() # 当执行到__next__(),运行此空间中的代码,运行到yield结束 print(ret) #结果: 111 222
由于函数中存在了yield,那么这个函数就是一个生成器函数.这个时候,再执行这个函数的时候,就不再是函数的执行了,而是获取这个生成器,直接使用__next__()来执行
从这里可以看到,yield和return的效果是一样的,区别是yield是分段来执行一个函数,而return是直接停止函数
def func(): print('111') yield 222 print('333') yield 444 gen = func() ret = gen.__next__() print(ret) ret2 = gen.__next__() print(ret2) ret3 = gen.__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): File "D:/pyworkspace/练习.py", line 94, in <module> 222 ret3 = gen.__next__() 333 StopIteration 444
程序运行完最后一个yield,后面继续进行__next__() 程序会报错
接下来我们来看send方法, send和__next__()一样都可以让生成器执行到下一个yield.
def eat(): print("我吃什什么啊") 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)
send和__next__()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. 在第一次执行生
成器代码的时候不能使用send()
生成器可以使用for循环来循环获取内部的元素
def func(): print('111') yield 222 print('333') yield 444 print('555') yield 666 gen = func() for i in gen: print(i) #结果: 111 222 333 444 555 666
三.列表推导式,生成器表达式以及其他推导式
列表推导式:
1. 列表推导式是通过一行来构建你要的列列表, 列表推导式看起来代码简单. 但是出现错误之后很难排查.
列表推导式的常用写法:
[ 结果 for 变量 in 可迭代对象]
#给出一个列表,循环添加1到14 lst = [] for i in range(1, 15): lst.append(i) print(lst) 替换成列表推导式: lst = [i for i in range(1, 15)] print(lst)
2. 我们还可以对列表中的数据进行筛选
筛选模式:
[ 结果 for 变量 in 可迭代对象 if 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)
生成器表达式:
生成器表达式和列表推导式的语法基本上是⼀样的. 只是把[]替换成()
gen = (i for i in range(10)) print(gen) 结果:<generator object <genexpr> at 0x106768f10>
打印的结果就是⼀一个生成器. 我们可以使用for循环来循环这个⽣成器:
gen = ("麻花藤我第%s次爱你" % i for i in range(10)) for i in gen: print(i)
四. yield from
yield from 是在Python3.3才出现的语法。所以这个特性在Python2中是没有的。
yield from 后面需要加的是可迭代对象，它可以是普通的可迭代对象，也可以是迭代器，甚至是生成器。
def func(): lst = ["衣服%s" % i for i in range(500)] yield from lst # 可以把一个可迭代对象分别进行yield返回 lst1 = ["%s" % i for i in range(18)] yield from lst1 gen = func() print(gen.__next__()) print(gen.__next__())
