一 : 概况

　　生成器实质上就是迭代器.有三种方式获得生成器 : 1.通过生成器函数. 2. 通过各种推导式来实现生成器. 3. 通过数据的转换也可以获得生成器.

　　首先,我们来看一个很简单的函数:

def func():
    print("111")
    return 222

ret = func()
print(ret)
结果:
111
222

　　将函数中的return换成yield ,就变成了生成器

def func():
    print("111")
    yield 222

ret = func()
print(ret)
结果:
<generator object func at 0x10567ff68>

　　这个函数变成生成器函数之后,使用func()就不再是执行这个函数,而是获得了一个生成器,因为生成器也是迭代器,所以我们可以执行__next__()来执行生成器.

def func():
    print("111")
    yield 222
gener = func() # 这个时候函数不不会执行. 而是获取到生成器
ret = gener.__next__() # 这个时候函数才会执行. yield的作用和return一样. 也是返回数据
print(ret)
结果:
111
222

　　那么我们可以看到,yield和return一样,可以停止函数,区别则是return会直接终止函数,而yield则是暂停函数,以后还可以从暂停的地方继续执行.

def func():
    print("111")
    yield 222
    print("333")
    yield 444
    
gener = func()
ret = gener.__next__()
print(ret)
ret2 = gener.__next__()
print(ret2)
ret3 = gener.__next__() # 最后⼀一个yield执⾏行行完毕. 再次__next__()程序报错, 也就是说. 和return⽆无关了了.
print(ret3)
结果:
111
Traceback (most recent call last):
222
333
File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in
<module>
444
ret3 = gener.__next__() # 最后一个yield执行完毕. 再次__next__()程序报错, 也就是说. 和return无关了.
StopIteration

　　send()方法 : 和 __next__()一样,都可以让生成器执行到下一个yield

def eat():
    print("我吃什么啊")
    a = yield "馒头"
    print("a=", a)
    b = yield "大饼"
    print("b=", b)
    c = yield "盒子"
    print("c=", c)
    yield "GAME OVER"


gen = eat()  # 获取生成器
ret1 = gen.__next__()
print(ret1)
ret2 = gen.send("胡辣汤")
print(ret2)
ret3 = gen.send("狗粮")
print(ret3)
ret4 = gen.send("猫粮")
print(ret4)

# 结果:
# 我吃什么啊
# 馒头
# a= 胡辣汤
# 大饼
# b= 狗粮
# 盒子
# c= 猫粮
# GAME OVER

　　　　send()和__next__()的异同 : 1.都可以让生成器向下走一次 2.send()可以给上一个yield的位置传值,不能给最后一个yield传值,第一次执行生成器函数的时候不能使用send()

　　生成器可以使用for循环来循环获取内部的元素:

def func():
    print(111)
    yield 222
    print(333)
    yield 444
    print(555)
    yield 666
    
gen = func()
for i in gen:
    print(i)
结果:
111
222
333
444
555
666

二 : 列表推导式,生成器表达式以及其他推导式

　　先看一段简单代码:

lst = []
for i in range(1, 15):
    lst.append(i)
print(lst)

　　它可以用以下这种形式代替:

lst = [i for i in range(1, 15)]
print(lst)

　　这就是列表推导式,它通过一行代码生成一个列表,常用写法为: [结果 for 变量 in 可迭代对象]

　　还可以加上一些筛选条件,写法为 [结果 for 变量 in 可迭代对象 if 条件]

# 获取1-100内所有的偶数
lst = [i for i in range(1, 100) if i % 2 == 0]
print(lst)

　　生成器表达式和列表推导式的区别仅仅在于[]变成了():

gen = (i for i in range(10))
print(gen)
结果:
<generator object <genexpr> at 0x106768f10>

　　可以用for循环来循环这个生成器:

gen = ("麻花藤我第%s次爱你" % i for i in range(10))
for i in gen:
    print(i)

　　他也可以用if进行筛选:
　　

# 获取1-100内能被3整除的数
gen = (i for i in range(1,100) if i % 3 == 0)
for num in gen:
    print(num)

　　生成器表达式和列表推导式的区别:

　　　　1.列表推导式比较耗费内存,一次性加载,生成器表达式几乎不占用内存,使用的时候才会分配和使用内存

　　　　2.得到的值不同,列表推导式得到的是一个列表,生成器表达式得到的是一个生成器.

　　举一个例子:同样一篮子鸡蛋. 列表推导式: 直接拿到一篮子鸡蛋. 生成器表达式: 拿到一个老母鸡. 需要鸡蛋就给你下鸡蛋

　　生成器的惰性机制 : 生成器只有在访问的时候才取值.

　　字典推导式

# 把字典中的key和value互换
dic = {'a': 1, 'b': '2'}
new_dic = {dic[key]: key for key in dic}
print(new_dic)
# 在以下list中. 从lst1中获取的数据和lst2中相对应的位置的数据组成一个新字典
lst1 = ['jay', 'jj', 'sylar']
lst2 = ['周杰伦', '林俊杰', '小小涛']
dic = {lst1[i]: lst2[i] for i in range(len(lst1))}
print(dic)

　　集合推导式

　　直接生成一个集合,自带去重功能

lst = [1, -1, 8, -8, 12]
# 绝对值去重
s = {abs(i) for i in lst}
print(s)

　　总结:推导式有, 列表推导式, 字典推导式, 集合推导式, 没有元组推导式.

　　生成器表达式: (结果 for 变量 in 可迭代对象 if 条件筛选).

　　生成器表达式可以直接获取到生成器对象. 生成器对象可以直接进行for循环. 生成器具有惰性机制.