Python基础（16）——生成器、三元运算、列表解析

生成器

一种可以暂停的迭代，函数的return 换成了yield 函数在返回第一次结果后是挂起状态，下一次执行__next__()情况下继续返回下次的结果

生成器这种数据类型自动实现迭代器协议（其他数据类型需要执行内部的__iter__()函数才能实现迭代器协议），那么意味着生成器就是直接可以用的可迭代对象

生成器实现：1、函数内yield代替return  2、生成器表达式：类似于列表推导式，但是生成器返回按需要产生的一个结果，并不是一个结果列表 

三元表达式

name = 'alex'
res = 'sb' if name =='alex' else 'shuai'

其中if name=='alex' 为第一元 ，返回值sb为第二元，else后面为第三元

列表解析

a = [i for i in range(10) if i >5]

for 一元，返回值i  二元，if 为三元   ，最多就三元 ，没有四元表达式，外面加[]就是列表解析，返回一个列表，缺点就是生成的就是列表都会放到内存中，如果数据过多影响性能

a = [i for i in range(10) if i >5]
print(a)

b = (i for i in range(10) if i >5)
print(b)

其中a的结果是返回一个列表[6, 7, 8, 9]

而b的结果是返回一个生成器<generator object <genexpr> at 0x0000011BD8C41750>   区别就是把[]换成了()由返回列表变成了返回生成器迭代对象

在处理运算的时候 sum(i for i in range(1000000000000000000000000) if i>5)  这样就不占内存，如果是把列表放进去就有可能崩溃，内存占满。做这个加法的运算，算出结果会非常慢，但是不死机，所以计算机总是出银河几亿次的计算机

回到生成器函数

函数内部加yield  返回的是生成器对象generator，想要取值必须   test.__next__()这样才能取到值,yield可以想象每次返回值后都设置了一个断点，然后下次再接着断点再返回

为什么要用生成器函数，场景？有先后顺序的事件，比如先做饭才能有饭吃再吃饭，需要有个过程，迭代的过程

优点：延迟计算，一次返回一个结果，不会生成所有结果，大数据处理非常有用，机器不会卡死；生成器可提高代码可读性。生成器只能正向的进行不能返回（这里要小心，因为后面的函数要使用前面的迭代器的时候，迭代器已经走完了，所以是什么都没有，但不报错），迭代就只能迭代一次。

def xiadan():
    ret = []
    for i in range(100):
        ret.append('鸡蛋%s'%i)
        return ret

上面是不使用迭代器  ，下面是使用迭代器的代码

def xiadan1():
    for i in range(100):
        yield '鸡蛋%s'%i

生产者和消费者模型

s = yield     yield赋值给s 

send 传的值只能给上一个yield 赋值， 如果自己是第一个就要赋值None ,所以前面必须有个__next__()的过程