Python基础18

生成器（迭代器的一种）

生成器背景

　　数据过多的时候，就会占用内存空间，节省内存空间我们我们会把这些数据变为一个对象给你，不会给具体数据，要用的时候在给你

解决问题

　　节省内存空间

　　range关键字在Python3中也是一个生成器

1 def index（）：
2     print（‘来了老弟’）
3     yield

　　函数中只要有出现yield关键字，那么该函数就从普通函数变成了生成器，就不会在执行该函数

　　要想使用生成器只需要使用next取值即可

　　我们使用next取值时，每next一次，代码就走到第一个yield处停止，在执行一次就会从上次yield处开始执行到下一个yield停止

　　如果答应next的结果，就会返回yield关键字后面的值

　　当yield关键字后面的数据用逗号隔开，有多个时，会以元组的形式返回

自定义range功能

　　range函数不能使用，写一个和range函数一样的功能

 1 def my_range（start，stop=None,step=1)：
 2     
 3     if not stop:
 4         stop=start
 5         start=0
 6     while start<stop:
 7         yield start
 8         start+=step
 9 
10 for i in  my_range(10):
11     print(i)

yield关键字的传参问题

def eat（name）：
    print（‘%s正在干饭’%name）
    while Ture:
    food=yield
    print(‘%s正在吃%s’%（name，food）)
    函数里面只要有yield关键字，就不会执行函数，变成了生成器
res=eat（‘kevin’）
next（res）
res.send（‘烤全羊’）
'''
    1利用send把参数传给yield
    2执行了next（）取值
'''

return和yield的对比

　　return

　　　1. 函数遇到return直接终止运行

　　　2. return也可以返回多个值

　　yield

　　　1. 函数遇到yield代码不会立即终止运行，而是停住

　　　2. yield 也可以返回多个值

　　　3. yield可以把函数变成生成器，而且支持传参

生成器表达式

 1 列表生成式
 2 res = [i for i in range(10)]
 3 
 4 res1 = (i for i in range(10))
 5 print(res1) # <generator object <genexpr> at 0x0000018083EA3A50>
 6 
 7 print(res1.__next__())
 8 print(res1.__next__())
 9 print(res1.__next__())
10 print(res1.__next__())
11 print(res1.__next__())

　　生成器表达式如果不next（）取值是不会给数据的

　　迭代器和生成器关系

　　　　生成器也是一种特殊迭代器　

　　　　迭代器、生成器我们都可以把它们看成是"工厂"
　　　　你什么时候要数据我们就设么时候给你生产
　　　　上述这样做的原因：
　　　　　　节省内存空间

笔试题

# 求和
def add(n, i):
    return n + i
# 调用之前是函数 调用之后是生成器
def test():
    for i in range(4):
        yield i
g = test()  # 初始化生成器对象
for n in [1, 10]:
    g = (add(n, i) for i in g)
res = list(g)
print(res)

#A. res=[10,11,12,13]
#B. res=[11,12,13,14]
#C. res=[20,21,22,23]
#D. res=[21,22,23,24]