（本文仅作为学习记录）
生成器和推导式
01. 昨日内容
02. 生成器
03. 推导式
01. 昨日内容
# 迭代器: # 迭代器有iter方法 next方法就是迭代器 # 递归: # 1.自己调用自己 # 2.明确的结束条件 # 递归的最大深度 官方 1000 实际测试:998/997 # import sys # sys.setrecursionlimit(100000) # # 修改最大深度 # 递归的效率不高,尾递归的效率和for循环是一样 # 递归的应用场景: 在不明确循环次数的时候,就可以使用递归 # for循环的本质: # # li =[1,23,3] # # iter(li) == li.__iter__() # li = li.__iter__() # while True: # try: # print(li.__next__()) # except StopIteration: # break # 迭代器的特性: # 1.惰性机制 # 2.不能逆行,只能从上向下 # 3.一次性的 # 4.省内存 # 函数名的使用: # 1.当做值赋值给变量 # 2.可以当做返回值被返回 # 3.可以当做容器里的元素 # 4.可以当做参数传递 #闭包: # 1.有一个嵌套函数 # 2.在嵌套函数内部的函数使用非全局变量 # 优点: 安全 装饰器需要 # 缺点: 容易造成内存泄漏 # 怎么查看??? # 函数名.__closure__
02. 生成器
# 1.生成器的本质就是迭代器
# 2.通过函数变成一个生成器
# def func():
# print(1)
# yield 5 # 我的函数走到这了
# print(2)
# yield 9 # 我的函数走到这了
#
# g = func() # 生成一个生成器
# print(g.__next__())
# print(g.__next__())
# print(list(range(10000)))
# def func():
# print(1)
# # return 5
# yield 5
# print(func().__next__()) # 这样生成一个生成器
# print(func().__next__()) # 这样生成一个生成器
# print(func().__next__()) # 这样生成一个生成器
# print(func().__next__()) # 这样生成一个生成器
# 函数体存的是不是代码
# 1.语法分析
# 2.语义分析
# 3.词法分析
# python2 next() iter()
# python3 next() __next__() iter() __iter__()
# 大批量的数据的时候首先要想到生成器
# def func():
# print(1)
# yield 5 # 我的函数走到这了
# print(2)
# yield 9 # 我的函数走到这了
#
# g = func() # 生成一个生成器
# print(g.__next__())
# print(g.__next__())
# 碰到return就结束函数
# 碰到yield不结束就挂起
# 生成器的好处,非常节省内存
# def func():
# print(1)
# a = yield 2 # 1.挂起 2.返回值 3.接受值
# print(a) # '123'
# print(3)
# b = yield 4
# print(b) #'234'
# c = yield 9
#
# g = func()
#
# print(g.__next__()) #1 2 g.send(None)
# print(g.send('123')) # send = next+传值
# print(g.send('234')) # send = next+传值
# # 第一次调用生成器的时候使用send里边的值必须是None
# def func():
# yield 1
# yield 2
#
# g = func()
# ret = g.__next__()
# print(ret+4)
# print(g.__next__())
# def func():
# li = [1,2,3,4]
# # yield li
# yield from li
#
# ret = func() # 把生成器的地址给了ret
# print('is ret',ret.__next__())
# # 执行ret这个变量的指向的生成器地址
# print('is ret',ret)
# # 在全局空间找到一个变量叫做ret的,打印它的值 值就是生成器的地址
# def func():
# li = [1,2,3,4]
# l2 = [5,6,7,8]
# # yield from li
# # yield from l2
# for i in li:
# yield i
#
# for em in l2:
# yield em
#
# ret = func() # 把生成器的地址给了ret
# print('is ret',ret.__next__())
# print('is ret',ret.__next__())
# print('is ret',ret.__next__())
# print('is ret',ret.__next__())
# print('is ret',ret.__next__())
# 总结:
# 1.生成器的本质就是一个迭代器
# 2.生成器一定是一个迭代器,迭代器不一定是一个生成器
# 3.生成器是可以让程序员自己定义的一个迭代器
# 4.生成器的好处,节省内存空间
# 5.生成器的特性 一次性的,惰性机制,从上向下
# 6.send相当于 next+传值,第一次触生成器的时候,如果使用send(None)
# 值必须是None,一般我建议你们使用__next__
# 7. python2 iter() next()
# python3 iter() next() __next__() __iter__()
# 8.yield from 将可迭代对象元素逐个返回
# def func():
# with open('t','r',encoding='utf-8')as f:
# for i in f:
# i = i.strip('\r\n')
# yield i
#
# g = func()
# for i in range(10):
# print(g.__next__())
03. 推导式
# 列表推导式
# li = []
# for i in range(10):
# li.append(i)
# print(li)
# print([i for i in range(10)])
# [结果 语法] #容器
# li = []
# for i in range(10):
# if i%2 == 1:
# li.append(i)
# print(li)
# print([i for i in range(10) if i%2 == 0]) # 过滤(筛选)
# li = []
# for i in range(10):
# for em in range(3):
# li.append(em)
# print(li)
# print([j for i in range(10) for em in range(3) for j in range(5)])
# 集合推导式
# s = {i for i in range(10)}
# print(s)
# {结果 语法} 容器
# 字典推导式:
# print({i:i+1 for i in range(10)})
# print(type({1,2,32,4}))
# g = (i for i in range(10))
# {'1':1,'2':2}
# {'1','2'}
# {1:2,2:3,3:4}
# {'美女':1999,1999:2}
# 推导式:
# 1.列表
# 2.集合
# 3.字典
# 1.生成器推导式
04. 总结
# 1.生成器:
# 总结:
# 1.生成器的本质就是一个迭代器
# 2.生成器一定是一个迭代器,迭代器不一定是一个生成器
# 3.生成器是可以让程序员自己定义的一个迭代器
# 4.生成器的好处,节省内存空间
# 5.生成器的特性 一次性的,惰性机制,从上向下
# 6.send相当于 next+传值,第一次触生成器的时候,如果使用send(None)
# 值必须是None,一般我建议你们使用__next__
# 7. python2 iter() next()
# python3 iter() next() __next__() __iter__()
# 8.yield from 将可迭代对象元素逐个返回
# 2.推导式:
# 总结:
# 列表
# 集合 {1,2,3}
# 字典 {1:2,2:4}
# 看着像元组的其实是一个 生成器推导式
# 1.外部需要容器包一下,里边第一个位置 结果 剩下位置都是语句
# 2.推导式 -- 面试 实现小的需求时可以使用推导式,推导式节省代码
# 3.推导式不要写太长,可读性差.
