自学Python4.8-生成器(方式二：生成器表达式)

自学Python之路-Python基础+模块+面向对象
自学Python之路-Python网络编程
自学Python之路-Python并发编程+数据库+前端
自学Python之路-django

自学Python4.8 - 生成器(方式二：生成器表达式)

 

定义：生成器（generator）是一个包含yield关键字的函数，当它被调用的时候，在函数体中的代码不会被执行，而是会返回一个迭代器。
          （一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator）；      
              如果函数中包含yield语法，那这个函数就会变成生成器；）

• 生成器是一个特殊的程序，可以被用作控制循环的迭代行为
• 生成器类似于返回值为数组的一个函数，这个函数可以接收参数，可以被调用，但是，不同于一般的函数会一次性返回包含了所有数值的数组，生成器一次 只产生一个值，这样消耗的内粗数量大大减少，而且允许调用函数可以很快的开始处理前几个返回值。因此，生成器看起来像一个函数但是表现的却像一个迭代器

python提供了两种基本的生成器方式：

• 生成器函数：也是用def来定义，利用关键字yield一次返回一个结果，阻塞，重新开始
                       每次请求一个值，就会执行生成器中的代码，知道遇到一个yield或者return语句
                       ①yield语句意味着应该生成一个值
                       ②return语句意味着要停止执行（不生成任何东西，只有在一个生成器中使用时才能进行无参数调用）
• 生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果

2.  生成器表达式：　

　生成器表达式来自于迭代和列表解析的组合，生成器表达式和列表解析类似，但是他使用尖括号而不是方括号括起来的。

print([ x ** 3 for x in range(5)]) # 列表推导式
print((x ** 3 for x in range(5))) # 生成器表达式
print(list(x ** 3 for x in range(5)))# 两者之间转换

输出：

for n in (x ** 3 for x in range(5)):
    print('%s, %s' % (n, n * n))  # 就操作而言，生成器表如果使用大量的next()函数会显得十分不方便，for循环会自动出发next函数　　

输出：

[每一个元素或者是和元素相关的操作 for 元素 in 可迭代数据类型] #遍历之后挨个处理

[满足条件的元素相关的操作 for 元素 in 可迭代数据类型 if 元素相关的条件] #筛选功能

举例1：

30以内所有能被3整除的数

 

举例2：

30以内所有能被3整除的数的平方

举例3：

找到嵌套列表中名字含有两个‘e’的所有名字

names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
ret = [name for lst in names for name in lst if name.count('e') ==2]
print(ret)

字典推导式

举例1：

将一个字典的key和value对调

举例2：

合并大小写对应的value值，将k统一成小写

 

举例3：

集合推导式，自带结果去重功能

 

3. 生成器函数与协程生成器表达式比较

  一个迭代既可以被写成生成器函数，也可以被协程生成器表达式，均支持自动和手动迭代。而且这些生成器只支持一个active迭代，也就是说生成器的迭代器就是生成器本身。
①

def recv():
    print('Are your ready:')
    while True:
        n = yield  #yield语句还有更给力的功能，作为一个语句出现在赋值运算符的右边，接受一个值，或同时生成一个值并接受一个值
        print('总共用了 %s 秒' % n)
c = recv()
c.__next__()
c.send(100)
c.send(300)

输出：

解释：以上这种方式使用yield语句的函数称为协程。在这个例子中，对于__next__的初始调用是必不可少的，这样协程才能执行可通向第一个yield表 达式的语句。在这里协程会挂起，等待相关生成器对象send()方法给它发送一个值。传递给send()的值由协程中的yield表达式返回。 协程的运行一般是无限期的，使用方法close()可以显式的关闭它。
②

def split_line():
    print('ready to split')
    result = None
    while True:
        line = yield result  #如果yield表达式中提供了值，协程可以使用yield语句同时接收和发出返回值
        result = line.split()
s = split_line()
s.__next__()
print(s.send('1,2,3'))

输出：

解释：

这个例子中的先后顺序非常重要。首个next()方法让协程执行到yield result，这将返回result的值None。
在接下来的send()调用中，接收到的值被放到line中并拆分到result中。
send()方法 的返回值就是下一条yield语句的值。也就是说，send()方法可以将一个值传递给yield表达式，但是其返回值来自下一个yield表达式，而不是接收send()传递的值的yield表达式。

③　 如果想用send()方法来开启协程的执行，必须先send一个None值，因为这时候是没有yield语句来接受值的，否则就会抛出异常

def split_line():
    print('ready to split')
    result = None
    while True:
        line = yield result  #如果yield表达式中提供了值，协程可以使用yield语句同时接收和发出返回值
        result = line.split()
s=split_line()
print(s.send('1 2 3'))

输出：

def split_line():
    print('ready to split')
    result = None
    while True:
        line = yield result  #如果yield表达式中提供了值，协程可以使用yield语句同时接收和发出返回值
        result = line.split()
s=split_line()
print(s.send(None))
print(s.send('1 2 3'))

输出：

④ 生成器的功能非常强大。协程可以用于实现某种形式的并发。在某些类型的应用程序中，可以用一个任务调度器和一些生成器或协程实现协作式用户空 间多线程，即greenlet。

yield的威力将在协程，协同式多任务处理(cooperative multitasking)，以及异步IO中得到真正的体现。

 

 

 

...