Python生成器 百日筑基之堵漏

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.