欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python全栈开发-前方高能-生成器和生成器表达式

程序员文章站 2022-06-16 22:33:36
python_day_13 今日主要内容1. 生成器和生成器函数生成器的本质就是迭代器生成器的三种创建办法: 1.通过生成器函数 2.通过生成器表达式创建生成器 3.通过数据转换 生成器函数: 函数中包含了yield的就是生成器函数 注意:生成器函数被执行. 获取到的是生成器. 而不是函数的执行 生 ......

python_day_13

今日主要内容
1. 生成器和生成器函数
生成器的本质就是迭代器
生成器的三种创建办法:

  • 1.通过生成器函数
  • 2.通过生成器表达式创建生成器
  • 3.通过数据转换

生成器函数:
函数中包含了yield的就是生成器函数
注意:生成器函数被执行. 获取到的是生成器. 而不是函数的执行
生成器表达式:
(结果 for 变量 in 可迭代对象 if 筛选)
取值:

  • 1. __next__()
  • 2. send(值) 给上一个yield位置传一个值, 第一个和最后一个yield不用传值
  • 3. 可以for循环
  • 4. list(g)
  • 2. 各种推导式和生成器表达式
  • 1. 列表推导式 [结果 for 变量 in 可迭代对象 if 筛选]
  • 2. 字典推导式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=>key:value
  • 3. 集合推导式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=>key

12. 前⽅⾼能-⽣成器和⽣成器表达式

本节主要内容:

  • 1. ⽣成器和⽣成器函数
  • 2. 列表推导式

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)
结果
111
222

将函数中的return换成yield就是⽣成器

def func():
    print("111")
    yield 222
ret = func()
print(ret)
结果:
<generator object func at 0x00000276E516DF68>

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)# 最后⼀个yield执⾏完毕. 再次__next__()程序报错, 也就是说. 和return⽆关了.

结果:
111
Traceback (most recent call last):
222
  File "D:/pycodes/第13天/day13.py", line 117, in <module>
333
    ret3 = gener.__next__() # 最后⼀个yield执⾏完毕. 再次__next__()程序报错, 也就是说. 和return⽆关了.
444
StopIteration

当程序运⾏完最后⼀个yield. 那么后⾯继续进⾏__next__()程序会报错. 好了⽣成器说完了.

⽣成器有什么作⽤呢? 我们来看这样⼀个需求. 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.

def cloth():
    lst = []
    for i in range(0,10000):
        lst.append('衣服'+str(i))
    return lst
cl = cloth()

但是呢, 问题来了. 老男孩现在没有这么多学⽣啊. ⼀次性给我这么多. 我往哪⾥放啊. 很尴尬 啊. 最好的效果是什么样呢? 我要1套. 你给我1套. ⼀共10000套. 是不是最完美的.

def cloth():
    for i in range(0, 10000):
        yield "⾐服"+str(i)
cl = cloth()
print(cl.__next__())
print(cl.__next__())
print(cl.__next__())
print(cl.__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("我吃什么啊")
    a = yield "馒头"
    print("a=",a)
    b = yield "⼤饼"
    print("b=",b)
    c = yield "⾲菜盒⼦"
    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()

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1-13 :

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)

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python14期写入列表lst:

lst = ['python%s' % i for i in range(1,15)]
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, 100) 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 0x106768f10>

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 = ("麻花藤我第%s次爱你" % i for i in range(10))
for i in gen:
     print(i)

⽣成器表达式也可以进⾏筛选:

# 1.获取1-100内能被3整除的数
lst = [i for i in range(1,101) if i%3==0]
print(lst)
# 2.100以内能被3整除的数的平⽅
lst = [i*i for i in range(1,101) if i%3==0]
print(lst)
# 3.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 = [a for i in names for a in i if a.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. g1 也就没有数据了
print(list(g2)) # 和g1同理

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', 'sylar']
lst2 = ['周杰伦', '林俊杰', '邱彦涛']
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]
# 绝对值去重
s = {abs(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.


2018-07-18  15:45:41