生成器 推导式

生成器：指用python代码写出来得迭代器，生成器的本质就是迭代器

　　创建生成器的方法：

　　1.通过生成器函数 ( yield)

　　2.生成器表达式

生成器函数：

def func1(x):
    sum = 0
    for i in range(1,x):
        x += 1
        yield x
g = func1(6)　　　　#生成器函数对
print(g)　　# <generator object func1 at 0x0000025E5D618780>  #表示这是一个迭代器

print(g.__next__()) #一个next对应一个yield
print(g.__next__())
print(g.__next__())
print(g.__next__()) 
print(g.__next__()) #7 8 9 10 11
#yiedld 将值返回给生成器对象.__next__()

　　yield 的作用：1.一个next对应一个yield

　　　　　　　　2.yield将值返回给生成器对象.__next__()

　　yield 与return的区别

　　return的作用是结束函数，给函数的执行者返回值

　　yield 不会结束函数，一个next对应一个yield,给__next__()返回值

　　生成器函数vs迭代器

区别1：自定制的区别

l1 = [1,2,4]
l2 = l1.__iter__()

def func1(x):
    x += 1
    yield x
    x += 2
    yield x
    x += 3
    yield x
g = func1(5)
print(g.__next__())
print(g.__next__())

区别2：内存级别的区别

迭代器是需要将可迭代对象进行转化，可迭代对象非常占内存

生成器是直接创建，不需要转化，从本质上就节省内存

send 与next

send与nxet一样，也是对生成器取值（执行一个yield）的方法

send 可以给上一个yield 进行传值

第一次取值永远都是next

最后一个yield 永远也得不到send传的值

列表推导式：一行代码几乎搞定你需要的任何列表

　　循环模式 ：[变量（加工后的变量） for 变量 in iterable（可迭代对象）]

l1 = [i for i in range(1,10)]
print(l1)   #[1, 2, 3, 4, 5, 6, 7, 8, 9]

　　筛选模式 ：[变量（加工后的变量）for 变量  in  iterable（可迭代对象）if 条件]

l2 = [i for i in range(1,10) if i%2 ==0]
print(l2)   #[2, 4, 6, 8]

列表推导式优点：一行解决，方便

缺点：容易着迷，不易拍错，不能超过三次循环

列表推导式不能解决所有的列表的问题，所有不要太刻意使用

生成器表达式：跟列表推导式相同，把[]换成（）即可

l1 = ( i for i in range(1,1000000))
print(l1.__next__())    #1
print(l1.__next__())    #2
print(l1.__next__())
print(l1.__next__())
print(l1.__next__())    #5
#可以通过循环打印一定数量的取值

字典推导式（了解）

mcase = {"a":10,"b":35}
mcase_frequency = {mcase[k]:k for k in mcase}
print(mcase_frequency)  #{10: 'a', 35: 'b'}

集合推导式（了解）

sq = {x**2 for x in range(-5,6)}
print(sq)       #{0, 1, 4, 9, 16, 25}
#自带去重功能