生成器

一、生成器

　　　　概念：只要含有yield关键字的函数都是生成器函数。

　　　　　　　yield不能和return共用且需要写在函数内。

　　　　　　　执行生成器函数后得到生成器返回值。

def generator():
    print(1)
    yield 'a'
ret = generator()
print(ret)
print(ret.__next__())

 　　　　生成器好处：

　　　　　　处理大量的内容时，不会在内存中生成太多数据，只会关心当前的和下一个内容。

计算移动平均值：预激协程的装饰器

def init(func):
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        next(g)
        return g
    return inner
@init
def averager():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num
        count += 1
        avg = sum/count
avg_g = averager()
print(avg_g.send(10))
print(avg_g.send(20))
print(avg_g.send(10))

　　列表推导式：

　　　　1.把列表解析的[]换成()得到的就是生成器表达式

　　　　2.列表解析与生成器表达式就是一种便利的编程方式，只不过生成器表达式更节省内存。

　　　　3.python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。

　　　　ret = [i for i in range(30) if i%3 == 0] #完整的列表推导式
　　　　g = (i for i in range(30) if i%3 == 0) #完整的列表推导式

 

 

　　　　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)

　　　　　　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)

　　　　集合推导式，自带结果去重功能
　　　　　　squared = {x**2 for x in [1, -1, 2]}
　　　　　　print(squared)