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生成器 百日筑基之堵漏

程序员文章站 2022-03-26 15:17:55
生成器 函数体内有yield选项的就是生成器,生成器的本质是迭代器,由于函数结构和生成器结构类似,可以通过调用判断是函数还是生成器.如下: 生成器的优点就是节省内存.Python获取生成器的二种方式: 通过函数获取生成器 通过生成器推导式创建生成器 通过函数获取生成器 从打印内容可以看出是生成器.但 ......

生成器
函数体内有yield选项的就是生成器,生成器的本质是迭代器,由于函数结构和生成器结构类似,可以通过调用判断是函数还是生成器.如下:

def fun():
    yield "我是生成器"
print(fun())

# 打印内容如下:
<generator object fun at 0x0000000002160ed0> 

生成器的优点就是节省内存.
python获取生成器的二种方式:

  • 通过函数获取生成器
  • 通过生成器推导式创建生成器

通过函数获取生成器

def fun(): 
    print("fun") 
    yield "生成器" 
g = fun() 
print(g)    # 打印函数名查看是否是生成器 

# 打印内容如下:
<generator object fun at 0x0000000000510ed0> 

从打印内容可以看出是生成器.但是发现生成器里面的内容没有被打印,那如何打印生成器内容呢?我们可以把生成器理解成迭代器的变异版,所以要打印生成器的内容,与迭代器类似,创建生成器对象后.可以使用生成器.__next__()来打印生成器内容.或者next(),send()等来打印生成器,如下:
使用.__next__()来打印生成器中的内容

def fun(): 
    print("fun") 
    yield "生成器" 
    print("我在生成器的下面") 
g = fun()       # 创建生成器对象 
print(g)        # 打印生成器对象 
print(g.__next__())    # 打印生成器里面的内容 

# 打印内容如下:
<generator object fun at 0x0000000002200ed0>
fun 
生成器 

可以发现yield下面的print语句没有被打印.到yield停止了

def fun(): 
    print("fun") 
    yield "生成器1" 
    print("我在生成器1下面") 
    yield "生成器2" 
    print("我在生成器2的下面") 
g = fun()    # 创建生成器对象 
print(g.__next__()) 
print(g.__next__()) 

# 打印内容如下:
fun 
生成器1 
我在生成器1下面 
生成器2 

由上面两个事例可以得出一个总结:就是每next一次就执行一次yield上面的代码一次,yield下面的代码不会被执行,这就是生成器的惰性机制
使用next()打印生成器内容

def fun(): 
    print("fun") 
    yield "生成器" 
    print("我在生成器下面") 
    yield "生成器2" 
    print("我在生成器2的下面") 
g = fun() 
print(next(g)) # next(g)打印生成器内容 
print(next(g)) # next(g)打印生成器内容 

# 打印内容如下:
fun 
生成器 
我在生成器下面 
生成器2 

与.__next__()功能类似
使用send(参数)打印生成器内容:
send方法可以给上一层的yield传递一个值,如果上一个yield没有值的话send的参数将被忽略,如果有值yield的值将被改变成当前的参数,还有需要注意的地方就是如果send(参数)做为第一次迭代,由于上一层没有yield,所以没有办法传参,会导致出现错误,错误内容如下:
typeerror: can't send non-none value to a just-started generator
我们将send(none)作为第一次调用即可.然后在第二次调用时可以传适当的参数.
如下:

def fun(): 
    print("fun") 
    val = yield "生成器" 
    print("我在生成器下面") 
    print(val) 
    yield "生成器2" 
    print("我在生成器2的下面") 
    yield "生成器3" 
    print("我在生成器3的下面") 
g = fun() 
print(g.send(none)) 
print(g.send("send")) 
print(g.send("send2")) 

# 打印内容如下:
fun 
生成器 
我在生成器下面 
send 
生成器2 
我在生成器2的下面 
生成器3 

生成器的基础用法:
使用for循环打印生成器对象

def fun(): 
    print("fun") 
    yield "生成器" 
    print("我在生成器下面") 
    yield "生成器2" 
    print("我在生成器2的下面") 
    yield "生成器3" 
    print("我在生成器3的下面") 
g = fun() # 创建生成器对象 
for g_buf in g: # 使用for循环打印生成器对象 
    print(g_buf) 

# 打印内容如下
fun
生成器
我在生成器下面
生成器2
我在生成器2的下面
生成器3
我在生成器3的下面

yield可以返回任何数据类型,这里以列表为事例

def fun(): 
    list_1 = [1,2,3,4,5] 
    yield list_1 # 将整个列表作为返回值传给生成器对象
g = fun() # 创建生成器对象 
print(g.__next__()) # 打印生成器对象 

# 打印内容如下:
[1, 2, 3, 4, 5] 

如果想要yield从列表中每次返回一个元素使用yield from 列表来实现

def fun(): 
    list_1 = [1,2,3,4,5] 
    yield from list_1 
g = fun() # 创建生成器对象 
print(g.__next__()) # 打印生成器对象内容 

# 打印内容如下:
1 

可以发现只打印了列表中的一个元素.可以使用for循环打印所有内容:

def fun(): 
    list_1 = [1,2,3,4,5] 
    yield from list_1 
g = fun() 
for g_buf in g: 
print(g_buf) 

# 打印内容如下:
1 
2 
3 
4 
5 

相当于事项了5次print(g.__next__()) # 打印生成器对象内容


推导式:
列表推导式:
如给list_1列表赋值1-20,常规做法如下:

list_1 = [] 
for num in range(20): 
    list_1.append(num) 
print(list_1) 

# 打印内容如下:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

列表list_1和list_2简单的推导式如下:

list_1 = [num for num in range(20)] 
list_2 = ["python: %s" % num for num in range(5)]
print(list_1) 
print(list_2) 

# 打印内容如下:
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
['python: 0', 'python: 1', 'python: 2', 'python: 3', 'python: 4'] 

列表推导式还可以进行筛选,如下:

list_1 = [num for num in range(20) if num < 5 or num == 15]
print(list_1) 

# 打印内容如下:
[0, 1, 2, 3, 4, 15] 

升级一点,将一个嵌套列表中以"a"开头和以"h"开头的元素存放在一个空列表中
基础写法如下:

names = [['abc', 'abb', 'zzz'],["hello","world","xiaoming"]] 
list_names = [] 
for name_1 in names: 
    if type(name_1) == list: 
        for name_2 in name_1: 
            if name_2.startswith("a") or name_2.startswith("h"):
                list_names.append(name_2) 
print(list_names) 

# 打印内容如下:
['abc', 'abb', 'hello']         

使用列表推导法

names = [['abc', 'abb', 'zzz'],["hello","world","xiaoming"]] 
list_names = [name_2 for name_1 in names if type(name_1) for name_2 in name_1 if name_2.startswith("a") or\ 
name_2.startswith("h")] 

# 打印内容如下:
['abc', 'abb', 'hello'] 

生成器推导式:
与列表推导式类似,只不过列表是使用[],生成器推导式使用的是()

g_1 = (num for num in range(20)) 
print(g_1) 
print(g_1.__next__()) 
print(g_1.__next__()) 

# 打印内容如下:
<generator object <genexpr> at 0x00000000026a0ed0>
0 
1 

从打印内容和使用__next__()方法可以看出g_1是列表表达式.
可以使用for循环打印生成器对象

g_1 = (num for num in range(20)) 
for num in g_1: 
  print(num) 

生成器的筛选与列表推导式用法一样,只不过是()
如下:过滤1-20内的所有偶数

g_1 = (num for num in range(20) if num % 2 == 0) 

 


升级:与上面列表推导式升级练法类似.

names = [['abc', 'abb', 'zzz'],["hello","world","xiaoming"]] 
list_names = (name_2 for name_1 in names if type(name_1) for name_2 in name_1 if name_2.startswith("a") or\ 
name_2.startswith("h")) # 创建生成器对象 
print(list_names) 
for buf in list_names: 
    print(buf) 

# 打印内容下:
<generator object <genexpr> at 0x0000000002150ed0> 
abc 
abb 
hello

 

生成器表达式和列表推导式的区别:

  • 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
  • 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

字典推导式:

list_1 = ["电视剧","电影"] 
list_2 = ["上海滩","黄飞鸿"] 
dict_1 = {list_1[i]:list_2[i] for i in range(len(list_1))} 
print(dict_1) 

# 打印内容如下:
{'电视剧': '上海滩', '电影': '黄飞鸿'} 

集合推导式:
集合的特点;无序,不重复 所以集合推导式自带去重功能

list_1 = [1,2,3,4,2,3,5] 
set_1 = {i for i in list_1} # 集合推导式 
print(set_1) 

# 打印内容如下:
{1, 2, 3, 4, 5}

 

总结:

  • 推导式有列表推导式,生成器推导式,字典推导式,集合推导式
  • 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,生成器对象具有惰性,每次只能打印一个生成器内容,可以使用for循环打印生成器所有的内容.