Knight_day12

• 生成器

　　　　生成器：自己用python代码写的迭代器，生成器本质就是迭代器。

　　　　构建一个生成器：

　　　　　　1.通过生成器函数

　　　　　　　　函数的return换成yield

　　　　　　2.生成器表达式

　　　　单独的 生成器名() 不执行，为生成器对象

　　　　执行：生成器名().__next__() 一个next对应一个yield，yield将值返回给生成器名().__next__()

　　　　yield vs return：

　　　　　　return结束函数，给函数执行者返回值

　　　　　　yield不会结束函数，一个next返回一个yield，给生成器对象.__next__()

　　　　生成器函数 vs 迭代器：

　　　　　　1.自定制区别

　　　　　　2.内存级别区别

　　　　　　　　对于迭代器：可迭代对象 ----> 迭代器 在可迭代对象创建时就已经占用了内存

　　　　　　　　对于生成器：直接创建，无需转化，从本质节省内存。

　　　　　　　　　　　　　　yield每次记住位置

# 全部打印
def cloth1(n):
    for i in range(1, n + 1):
        print(f'衣服{i}号')
cloth1(10000)

# 需要多少打印多少且保留位置
def cloth2(n):
    for i in range(1, n + 1):
        yield i
c = cloth2(10000)
for i in range(100):
    print(c.__next__())
for i in range(500):
    print(c.__next__())

 

　　　　send vs next：

　　　　　　send与next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传值，且必须传值。

　　　　　　注意：1.第一次取值不能用send，永远是next。

　　　　　　　　　2.最后一个yield永远得不到send传的值

• 列表推导式，生成器表达式

　　　　列表推导式：

　　　　　　一行代码几乎满足需要的任何列表

　　　　　　模式：

　　　　　　　　循环模式：

　　　　　　　　　　[变量（加工后变量） for 变量 in interable]

　　　　　　　　筛选模式：

　　　　　　　　　　循环模式后加 if 判断

　　　　　　优点：一行解决，方便

　　　　　　缺点：容易着迷，不易排错，不能超过三次循环，不能解决所有列表问题，不要刻意用

　　　　生成器表达式：

　　　　　　将列表推导式的 [] 换成 () 即可。用__next__()读。一般用于数据量大的情况。

　　　　字典表达式：

lst1 = ['k1', 'k2', 'k3']
lst2 = [1, 2, 3]
dic = {lst1[i]: lst2[i] for i in range(len(lst2))}
print(dic)
'''
{'k1': 1, 'k2': 2, 'k3': 3}
'''


dic = {'k1': 1, 'k2': 2, 'k3': 3}
dic_inverse = {dic[i]: i for i in dic}
print(dic_inverse)
'''
{1: 'k1', 2: 'k2', 3: 'k3'}
'''

 

　　　　集合推导式： 天然去重

lst1 = [1, -1, 4, 9, -9]
s = {i**2 for i in lst1}
print(s)
'''
{16, 1, 81}
'''