python学习日记(生成器函数进阶)
迭代器和生成器的概念
迭代器
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
对于list、string、tuple、dict等这些容器对象,使用for循环遍历是很方便的。在后台for语句对容器对象调用iter()函数。iter()是python内置函数。
iter()函数会返回一个定义了next()方法的迭代器对象,它在容器中逐个访问容器内的元素。next()也是python内置函数。在没有后续元素时,next()会抛出一个StopIteration异常,通知for语句循环结束。
迭代器是用来帮助我们记录每次迭代访问到的位置,当我们对迭代器使用next()函数的时候,迭代器会向我们返回它所记录位置的下一个位置的数据。实际上,在使用next()函数的时候,调用的就是迭代器对象的_next_方法(Python3中是对象的_next_方法,Python2中是对象的next()方法)。所以,我们要想构造一个迭代器,就要实现它的_next_方法。但这还不够,python要求迭代器本身也是可迭代的,所以我们还要为迭代器实现_iter_方法,而_iter_方法要返回一个迭代器,迭代器自身正是一个迭代器,所以迭代器的_iter_方法返回自身self即可。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
1,迭代器协议:对象需要提供next()方法,它要么返回迭代中的下一项,要么就引起一个StopIteration异常,以终止迭代。 2,可迭代对象:实现了迭代器协议对象。list、tuple、dict都是Iterable(可迭代对象),但不是Iterator(迭代器对象)。但可以使用内建函数iter(),把这些都变成Iterable(可迭代器对象)。 3,for item in Iterable 循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器,然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值给item,当遇到StopIteration的异常后循环结束
生成器
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
作用: 作用:延迟操作。也就是在需要的时候才产生结果,不是立即产生结果。 注意事项: >生成器是只能遍历一次的。 >生成器是一类特殊的迭代器。 分类: 第一类:生成器函数:还是使用 def 定义函数,但是,使用yield而不是return语句返回结果。yield语句一次返回一个结果,在每个结果中间,挂起函数的状态,以便下次从它离开的地方继续执行。 第二类:生成器表达式:类似于列表推导,只不过是把一对大括号[]变换为一对小括号()。但是,生成器表达式是按需产生一个生成器结果对象,要想拿到每一个元素,就需要循环遍历。
对于生成器来说,看到yield一定要有在这里挂起的概念!!!
生成器
send
一、
def generator(): print(123) f = yield 'aaa'#3、f用来接收send传来的参数 print(f) print(456) yield 'bbb' g = generator() print(g.__next__())#1、第一次算是激活,然后在yield处挂起 print(g.send('new day'))#2、从上次的挂起处开始,传递一个参数给yield 返回值
注意:在一个生成器对象没有执行next方法之前,由于没有yield语句被挂起,执行send方法会报错,除非你传的是None。
二、
想给最后一个yield使用send,那么最后你还应该再添加一个yield语句防止StopIteration异常。
def generator(): print(123) f1 = yield 'aaa'#3、f用来接收send传来的参数 print(f1) print(456) f2 = yield 'bbb' print(f2) yield ''#不显示None g = generator() print(g.__next__())#1、第一次算是激活,然后在yield处挂起 print(g.send('new day'))#2、从上次的挂起处开始,传递一个参数给yield 返回值 print(g.send('star lord'))
练习:获取动态平均值
实现:依次输入10、20、30,所求的平均值为:10、15、20。
def average(): sum = 0 count = 0 avg = 0 while True: num = yield avg#num = 10 count += 1#count = 1 sum += num#sum = 10 avg = sum/count#avg = 10/1=10 a = average()#1、返回迭代器 a1 = a.__next__()#2、在yield avg 这里挂起,返回的avg = 0 print(a1) a1 = a.send(10)#3、挂起处开始,10传给num,count =0+1=1,sum = 10,avg = 10/1=10,执行直到遇见yield,返回avg,a1 接收 avg,重新挂起 print(a1) a1 = a.send(20)#4、挂起处开始,20传给num,a1 接收 avg,在下一次yield avg重新挂起 print(a1) a1 = a.send(30) print(a1)
激活生成器的装饰器
def init(f):#f == average def inner(*args,**kwargs): g = f(*args,**kwargs)#a = average(),返回的是生成器 next(g)#生成器激活 return g#再返回给调用inner处 return inner @init def average(): sum = 0 count = 0 avg = 0 while True: num = yield avg#num = 10 count += 1#count = 1 sum += num#sum = 10 avg = sum/count#avg = 10/1=10 avg = average()#avg = inner() #省去了激活的步骤,next print(avg.send(10)) print(avg.send(40))
yield from
一、
def generator(): a = '123' b = [4,5,6] for i in a: yield i for j in b: yield j g = generator() for k in g: print(k,end=' ')
二、
def generator(): a = '123' b = [4,5,6] yield from a yield from b g = generator() for k in g: print(k,end=' ')
生成器的表达式
列表推导式
列表解析:
apple = ['apple%s'%i for i in range(5)] print(apple)
生成器表达式
把列表解析里面的 [] 换成 () 就变成了生成器表达式。
little_girl = ('蘑菇%s'%i for i in range(10)) l = little_girl print(l) for i in l: print(i,end=',')
注:生成器表达式几乎不占用内存,列表解析可能会占用大量内存。
表达式的筛选
一、30以内能被3整除的数字的平方。
l = [i**2 for i in range(31) if i%3 == 0] print(l)
二、生成器同理,只是换了括号。
嵌套筛选
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']] re = [i for li in names for i in li if i.count('e') == 2] print(re)
其他推导式
字典推导式
一、
将一个字典的key 和value 对调。
dic = {'libai':'happy','dufu':'sad'} d = {dic[k]: k for k in dic} print(d)
二、
合并大小写对应的value,将key统一成小写。
dic = {'a': 10, 'b': 34, 'A': 7, 'Z': 3} d = {k.lower():dic.get(k.lower(),0)+dic.get(k.upper(),0) for k in dic}#字典get方法,不存在,返回0 print(d)
集合推导式
计算列表中数字的平方,并去重。
li = [1,-1,2,-2,3] se = {i**2 for i in li} print(se)
没有元组推导式是因为加了括号就变成了生成器推导式。
生成器有趣面试题
一、
def demo(): for i in range(4): yield i g=demo() g1=(i for i in g) g2=(i for i in g1) print(list(g1)) print(list(g2))
解析:首先、生成器的特性就是惰性的。当执行print(list(g1))之前,上面的语句虽都定义,但都未执行,执行print(list(g1)),g1作为生成器表达式从生成器g里面遍历取值,然后g1将取到的值拿出生成列表[0,1,2,3]。此时,g1也进行了一次遍历,不再有值了,所以print(list(g2))执行的时候,g2从g1里面取值,取不到值,就生成了一个空列表[]。
二、
def add(n,i): return n+i def test(): for i in range(4): yield i g=test() for n in [1,10]: g=(add(n,i) for i in g) print(list(g))
解析:一步一步化简来看
def add(n,i): return n+i def test(): for i in range(4): yield i g=test() n = 1 g = (add(n,i) for i in g) n = 10 g = (add(n,i) for i in g) print(list(g))
当n = 1时,并未进行输出,当第二次n = 10之后,才有最后的输出,n进行了两次赋值,后面的进行覆盖,覆盖前后,g都是未执行的(惰性),g前面做了定义,g每一次都是新生成的一个新的生成器,内存地址并不一样,所以需要带入,就有如下:
def add(n,i): return n+i def test(): for i in range(4): yield i g=test() n = 10 g = (add(n,i) for i in (add(n,i) for i in g)) # g = (add(10,i) for i in (add(10,i) for i in g)) # g = (add(10,i) for i in (add(10,i) for i in test())) print(list(g))
如果不太能理解,请看如下:
b = 10 b = 1 #赋值覆盖之前,下面的带入并未执行,模拟生成器的惰性 a = b a = b+a a = b+a+a print(a)
————————————————————————————————————————————
def add(n,i): return n+i def test(): for i in range(4): yield i g=test() print(g) n = 1 g = (add(n,i) for i in g) print(g) n = 10 g = (add(n,i) for i in g) print(g) print(list(g))
pass