1、匿名函数
1.1、什么是匿名函数
匿名：隐藏名字，即没有名称
匿名函数：没有名字的函数。
函数没有名字该如何定义？函数没有名字如何调用？
1.2、Lambda表达式
1.2.1、语法
使用lambda关键字定义匿名函数，格式为 lambda [参数列表]: 表达式
参数列表不需要小括号。无参就不写参数
冒号用来分割参数列表和表达式部分
不需要使用return。表达式的值，就是匿名函数的返回值。表达式中不能出现等号
lambda表达式（匿名函数）只能写在一行上，也称为单行函数
1.2.2、示例
lambda x: x ** 2 # 定义
(lambda x: x ** 2)(4) # 调用
foo = lambda x,y: (x+y) ** 2 # 定义函数
foo(1, 2)
# 等价于
def foo(x,y):
return (x+y) ** 2
1.3、使用lambda表达式简化代码示例
1.3.1、返回常量的函数
print((lambda :0)())
print((lambda x:100)(1))
1.3.2、加法匿名函数，带缺省值
print((lambda x, y=3: x + y)(5))
print((lambda x, y=3: x + y)(5, 6))
1.3.3、keyword-only参数
print((lambda x, *, y=30: x + y)(5))
print((lambda x, *, y=30: x + y)(5, y=10))
1.3.4、可变参数
print((lambda *args: (x for x in args))(*range(5)))
print((lambda *args: [x+1 for x in args])(*range(5)))
print((lambda *args: {x%2 for x in args})(*range(5)))
1.4、应用案例
1.4.1、构建一个字典，所有key对应的值是一个列表，创建新的kv对的值也是空列表
d={c:[] for c in 'abcde'}
d['a'].append(10)
d['f']=[]
d['f'].append(20)
print(d)
1.4.2、defaultdict
from collections import defaultdict
d = defaultdict(list) # lambda : list()
d['a'].append('10') # d['a'] = list()
d['f'].append('20')
print(d)
1.4.3、sorted
x = ['a', 1, 'b', 20, 'c', 32]
print(sorted(x, key=str))
# 如果按照数字排序怎么做？
x = ['a', 1, 'b', 20, 'c', 32]
print(sorted(x, key=lambda x: x if isinstance(x, int) else int(x, 16)))
2、生成器函数
2.1、创建生成器方式
1、生成器表达式
2、生成器函数
函数体代码中包含yield语句的函数
与普通函数调用不同，生成器函数调用返回的是生成器对象
2.2、生成器表达式示例
m = (i for i in range(5))
print(type(m))
print(next(m))
print(next(m))
2.3、生成器函数示例
def inc():
for i in range(5):
yield i
print(type(inc))
print(type(inc())) # 生成器函数一定要调用，返回生成器对象
g = inc() # 返回新的生成器对象
print(next(g))
for x in g:
print(x)
print('-------------------')
for x in g: # 还能迭代出元素吗？
print(x)
2.4、生成器执行流程
2.4.1、流程说明
普通函数调用，函数会立即执行直到执行完毕。
生成器函数调用，并不会立即执行函数体，而是返回一个生成器对象，需要使用next函数来驱动这个生成器对象，或者使用循环来驱动。
生成器表达式和生成器函数都可以得到生成器对象，只不过生成器函数可以写更加复杂的逻辑。
2.4.2、代码
def gen():
print(1)
yield 2
print(3)
yield 4
print(5)
return 6
yield 7
#print(next(gen())) # 1 2
# print(next(gen())) # 1 2
g = gen()
print(next(g))
print(next(g))
# print(next(g)) # return的值可以拿到吗？ 报错StopIteration: 6
print(next(g, 'End')) # 没有元素不想抛异常，给个缺省值
2.4.3、代码分析
在生成器函数中，可以多次yield，每执行一次yield后会暂停执行，把yield表达式的值返回再次执行会执行到下一个yield语句又会暂停执行函数返回
return语句依然可以终止函数运行，但return语句的返回值不能被获取到
return会导致当前函数返回，无法继续执行，也无法继续获取下一个值，抛出StopIteration异常
如果函数没有显式的return语句，如果生成器函数执行到结尾（相当于执行了return None），一样会抛出StopIteration异常
2.5、生成器函数
包含yield语句的生成器函数调用后，生成生成器对象的时候，生成器函数的函数体不会立即执行
next(generator) 会从函数的当前位置向后执行到之后碰到的第一个yield语句，会弹出值，并暂停函数执行
再次调用next函数，和上一条一样的处理过程
继续调用next函数，生成器函数如果结束执行了（显式或隐式调用了return语句），会抛出StopIteration异常
2.6、应用案例
2.6.1、无限循环
def counter():
i = 0
while True:
i += 1
yield i
c = counter()
print(next(c)) # 1
print(next(c)) # 2
print(next(c)) # 3
2.6.2、计数器-非正常
def inc():
def counter():
i = 0
while True:
i += 1
yield i
c = counter()
return next(c)
print(inc()) # 1
print(inc()) # 1
print(inc()) # 1
2.6.3、计数器-正常
def inc():
def counter():
i = 0
while True:
i += 1
yield i
c = counter()
def inner():
return next(c)
return inner
# return lambda : next(c)
foo = inc()
print(foo()) # 1
print(foo()) # 2
print(foo()) # 3
2.6.4、斐波那契数列
def fib():
a=0
b=1
while True:
yield b
a,b=b,a+b
f = fib()
for i in range(1,102):
print(i,next(f))
4、协程Coroutine
生成器的高级用法
它比进程、线程轻量级，是在用户空间调度函数的一种实现
Python3 asyncio就是协程实现，已经加入到标准库
Python3.5 使用async、await关键字直接原生支持协程
协程调度器实现思路
有2个生成器A、B
next(A)后，A执行到了yield语句暂停，然后去执行next(B)，B执行到yield语句也暂停，然后再次调
用next(A)，再调用next(B)在，周而复始，就实现了调度的效果
可以引入调度的策略来实现切换的方式
协程是一种非抢占式调度
5、yield from语法
5.1、简介
从Python 3.3开始增加了yield from语法，
使得 yield from iterable 等价于 for item in iterable: yield item 。
5.2、作用
5.3、示例
# 方式一
def inc():
for x in range(1000):
yield x
# 方式二：简化
def inc_m():
yield from range(1000)# 注意这个函数出现了yield，也是生成器函数
foo = inc_m()
print(next(foo))
print(next(foo))
print(next(foo))
5.4、小结
本质上yield from的意思就是，从from后面的可迭代对象中拿元素一个个yield出去。
浙公网安备 33010602011771号