4.生成器和生成器表达式
一. 生成器
什么是生成器. 生成器实质就是迭代器. 在python中有三种方式来获取生成器:
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取生成器
首先, 我们先看一个很简单的函数:
def func():
print("111")
return 222
ret = func()
print(ret)
# 111
# 222
将函数中的return换成yield就是生成器
def func():
print(111)
yield 222
g = func()
print(g)
#<generator object func at 0x00000196D24A1CA8>
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__()来执行以下生成器.
def func():
print("111")
yield 222
gener = func() # 这个时候函数不会执行.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的效果是⼀样的. 有什么区别呢? yield是分段来执行一个函数. return呢? 直接停止执行函数.
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__()
print(ret3)
结果
Traceback (most recent call last):
111
222
File "D:/s18/生成器迭代器以及各种推导式/__init__.py", line 24, in <module>
333
444
ret3 = gener.__next__()
StopIteration
当程序运行完后一个yield. 那么后面继续进行__next__()程序会报错.
题目
老男孩向JACK JONES订 购10000套学生服. JACK JONES就比较实在. 直接造出来10000套衣服.
一方案
def cloth():
lst = []
for i in range(0,10000):
lst.append("衣服"+str(i))
return lst
c1= cloth()
print(c1)
二方案
def cloth():
for i in range(0,10000):
yield "衣服"+ str(i)
c1 = cloth()
print(c1.__next__())
print(c1.__next__())
print(c1.__next__())
print(c1.__next__())
区别: 第一种是直接一次性全部拿出来. 会很占用内存. 第二种使用生成器. 一次就一个. 用多少生成多少. 生成器是一个的指向下一个. 不会回去, __next__()到哪, 指针就指到哪儿. 下一次继续获取指针指向的值.
接下来我们来看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("我吃什么")
a = yield "馒头"
print("a", a)
b = yield "大饼"
print("b" , b)
c = yield "菲菜合盒子"
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)
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()
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
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1-14 :
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)
列表推导式是通过一行来构建你要的列表, 列表推导式看起来代码简单. 但是出现错误之后很难排查. 列表推导式的常用写法:
[ 结果 for 变量 in 可迭代对象]
例. 从python1期到python18期写入列表lst:
lst = ["python%s期"%i for i in range(1,19)] print(lst)
我们还可以对列表中的数据进行筛选
筛选模式:
[ 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(1,101) if i % 2 == 0] print(lst)
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(10)) print(gen) # 结果 # <generator object <genexpr> at 0x000002AC2E2F1CA8>
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:
gen = ("桃宝我是第%s次爱你"%i for i in range(1,10))
for i in gen:
print(i)
生成器表达式也可以进行筛选:
#获取1-100被3整除的数
gen = (i for i in range(1,101) if i % 3 == 0)
for num in gen:
print(num)
#获取1-100被3整除的数的平方
gen = (i*i for i in range(1,101) 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']]
# 不用推导式
result = []
for first in names:
for name in first:
if name.count("e") == 2:
result.append(name)
print(result)
#推导式
lst = [name1 for name in names for name1 in name if name1.count("e") == 2]
print(lst)
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11,获得222,g完毕
print(list(g1))#获取g1中的数据,g1的数据来源于g,但数据g已经取完,g1也就没数据
print(list(g2)) #和g1 同理
# 答案
# 111
# [222]
# []
# []
深坑==> 生成器. 要值得时候才拿值.
字典推导式:
根据名字应该也能猜到. 推到出来的是字典
#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list中 从lst1中获取的数据和lst2中对应的数据组成一个新字典
lst1 = ['jay','jj','sylar']
lst2 = ['周杰伦','林俊杰','周彦涛']
dic = {lst1[i]:lst2[i] for i in range(len(lst1))}
print(dic)
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,-1,8,-8,12]
s = {abs(i) for i in lst} #绝对值去重
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.
面试题
def add(a, b):
return a + b
def test():
for r_i in range(4):
yield r_i
g = test()
for n in [2, 10]:
g = (add(n, i) for i in g)
print(list(g))
友情提示:
惰性机制, 不到后不会拿值 这个题要先读一下. 然后自己分析出结果. 后用机器跑一下.
答案[20,21,22,23]
yiled from
def func():
lst = ["衣服%s" % i for i in range(500)]
yield from lst # 可以把一个可迭代对象分别进行yield返回
lst1 = ["python%s" % i for i in range(18)]
yield from lst1
gen = func()
print(gen.__next__())
print(gen.__next__())
只有先把lst执行完才会执行lst1的内容
1. 生成器 本质就是迭代器. 一个一个的创建对象 创建生成器的方式: 1. 生成器函数 2. 通过生成器表达式来获取生成器 3. 类型转换(看不到) 2. 生成器函数 (重点) 生成器函数中包含 yield , 返回数据和return差不多. return会立即结束这个函数的执行 yield 可以分段的执行一个函数 生成器函数在执行的时候返回生成器. 而不是直接执行此函数 能向下执行的两个条件: __next__(), 执行到下一个yield send(), 执行到下一个yield, 给上一个yield位置传值 所有的生成器都是迭代器都可以直接使用for循环 都可以使用list()函数来获取到生成器内所有的数据 生成器中记录的是代码而不是函数的运行 def func(): print("我的天哪 ") yield "宝宝" gen = func() # 创建生成器. 此时运行会把生成器函数中的代码记录在内存 当执行到__next__(), 运行此空间中的代码, 运行到yield结束. 优点: 节省内存, 生成器本身就是代码. 几乎不占用内存 特点: 惰性机制, 只能向前. 不能反复 3. 各种推导式 (诡异) 列表推导式 [结果 for循环 if] 字典推导式 {结果(k:v) for循环 if} 集合推导式 {结果(k) for循环 if} 4. 生成器表达式 (重点) (结果 for循环 if)
