Python自学之路之day11-生成器和生成器表达式

一、生成器

生成器实际就是迭代器；在python中有三种方式来获取生成器：

1）通过函数生成

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取生成器

1、首先，看一个简单的函数例子：

def fn1():
    print("111")
    return 222

ret = fn1()
print("--------")
print(ret)

这里我们把上面函数中的return换成yield就是生成器

def fn1():
    print("111")
    yield 222

ret = fn1()
print("--------")
print(ret)

打印结果：
--------
<generator object fn1 at 0x0000024C7D2525C8>

思考：

运行的结果和上面不一样. 为什么呢. 由于函数中存在了yield. 那么这个函数就是一个生成器函数.这个时候,我们再执行这个函数的时候,就不再是函数的执行了,而是获取这个生成器,
如何使用呢? 想想迭代器.生成器的本质是迭代器.所以,我们可以直接执行__next__()来执行。

例如：

def fn1():
    print("111")
    yield 222

gener = fn1() ## 这个时候函数不会执行

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("--------")
print(ret)

打印结果：
111
--------
222

注意打印顺序

上面我们可以看到, yield和return的效果是一样的,有什么区别呢? yield是分段来执行一个函数.而return直接停止执行函数：

def fn1():
    print("111")
    yield 222
    print("333")
    yield 444

gener = fn1()   ## 通过还是函数fn1来创建一个生成器
ret1 = gener.__next__()
print(ret1)
ret2 = gener.__next__()
print(ret2)
ret3 = gener.__next__() # 最后一个yield执行完毕,再次__next__()程序报错
print(ret3)

 2、生成器的本质就是迭代器

def fn1():
    yield 11
    yield 12
    yield 13
    yield 14
g = fn1()   ## 拿到的是生成器，生成器的本质是迭代器，迭代器可以被迭代，生成器可以直接for循环

## 方法一
for i in g:
    print(i)   ## 本质上执行的是__next__()

## 方法二
it = g.__iter__()
while True:
    try:
        print(it.__next__())
    except StopIteration:
        break

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

def eat():
    print("我吃什什么啊")
    a = yield "馒头"
    print("a=",a)
    b = yield "⼤大饼"
    print("b=",b)
    c = yield "⾲韭菜盒⼦子"
    print("c=",c)
    yield "GAME OVER"
gen = eat()
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)

打印结果：
我吃什什么啊
馒头
a= 胡辣汤
⼤大饼
b= 狗粮
⾲韭菜盒⼦子
c= 猫粮
GAME OVER

send和__next__()区别:

　　1、send和next()都是让生成器向下走一次

　　2、send可以给上一个yield的位置传递值,不能给最后一个yield发送值. 在第一次执行生成器代码的时候不能使用send()

二、列表推导式，生成器表达式以及其他推导式

1、首先我们先看一下这样的代码, 给出一个列表, 通过循环, 向列表中添加1-13：

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

替换成列表推导式：

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

打印结果：
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]

列表推导式，最终给你的是列表：

语法 [最终结果(变量) for 变量 in 可迭代对象]

2、生成器表达式

生成器表达式和列表推导式的语法基本上是一样的. 只是把[]替换成()：

gen = (i for i in range(1,15))
print(gen)

打印结果：
<generator object <genexpr> at 0x000001CDD49025C8>

打印的结果就是一个生成器. 我们可以使用for循环来循环这个生成器例如：

gen = (i for i in range(1,15))
for i in gen:
    print(i)

 生成器表达式也可以进行筛选：

## 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)

## 寻找名字中带有两个e的⼈的名字
names = [['Tom', 'Billy', 'Jefferson' , 'Andrew' , 'Wesley' , 'Steven' ,
'Joe'],['Alice', 'Jill' , 'Ana', 'Wendy', 'Jennifer', 'Sherry' , 'Eva']]
lst = [name for first in names for name in first if name.count("e") == 2]
print(lst)

打印结果：
['Jefferson', 'Wesley', 'Steven', 'Jennifer']

 生成器表达式和列表推导式的区别:
1. 列表推导式比较耗内存,一次性加载,生成器表达式几乎不占用内存,使用的时候才分配和使用内存
2. 得到的值不一样,列表推导式得到的是一个列表,生成器表达式获取的是一个生成器.
举个栗子:
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,说白了,你找他要他才给你值,不找他要,他是不会执行的.

def func():
    print(111)
    yield 222
g = func() # 生成器g
g1 = (i for i in g) # 生成器g1. 但是g1的数据来源于g
g2 = (i for i in g1) # ⽣生成器g2. 来源g1
print(list(g)) # 获取g中的数据. 这时func()才会被执行. 打印111.获取到222. g完毕.
print(list(g1)) # 获取g1中的数据. g1的数据来源是g. 但是g已经取完了了. g1也就没有数据了
print(list(g2)) # 和g1同理

 注意：生成器是要值的时候才拿值

 2、字典推导式

　　根据名字应该也能猜到,推到出来的是字典.

dic = {"a":1,"b":"2"}
new_dic = {dic[key]:key for key in dic}
print(new_dic)

例题：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', 'tchua']
lst2 = ['周杰伦', '林俊杰', '小花']

dic = {lst1[i]:lst2[i]for i in range(len(lst1))}
print(dic)

3、集合推导式

　　集合推导式可以帮我们直接生成一个集合. 集合的特点: 无序,不重复,所以集合推导式自带去重功能

lst = [1,2,2,-1,-1,3,10,2,4]
s = {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.