Python入门-生成器和生成器表达式

  昨天我们说了迭代器,那么和今天说的生成器是什么关系呢?

一.生成器

  什么是生成器?说白了生成器的本质就是迭代器.

  在Python中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,让我们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 0x0000000001DF04C0>

  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,我们在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,生成器本质是迭代器,所以,我们可以直接用__next__()来执行以下生成器

def func():
    print(111)
    yield 222
gen = func()   #这个时候函数不会执行,而是获取到生成器
ret = gen.__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是直接停止执行函数.

def func():
    print(111)
    yield 222
    print(333)
    yield 444
gen = func()
ret = gen.__next__()
print(ret)
ret2 = gen.__next__()
print(ret2)
ret3 = gen.__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
print(ret3)
结果:

Traceback (most recent call last):
File "E:/s17pycharm/每日作业/练习2.py", line 1068, in <module>
ret3 = gen.__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
StopIteration
111
222
333
444

  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,某家学校要订购一批校服,数量10000套,JACK JONES就比较实在,直接造出来10000套衣服.

def cloth():
    lst = []
    for i in range(1,10001):
        lst.append(‘衣服%s‘%i)
    return lst
cl = cloth()

  但是现在问题来了,学校现在没地方放,很尴尬,最好的效果是什么样的呢?我要一套,你给我一套,一共10000套,是不是最完美的.

def cloth():
    for i in range(1,10001):
        yield ‘衣服%s‘%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,指针指到哪,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下一个yield

def eat():
    print(‘我要吃什么‘)
    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的位置传值,不能给最后一个yield传值,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)

  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:把一年级1班到14班写入列表lst:

lst = [‘一年级%s班‘%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是一样的,只是把[]换成()了

gen = (i for i in range(10))
print(gen)
结果:
<generator object <genexpr> at 0x0000000001DF04C0>

  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 = (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:

#获取1-100内能被3整除的数
gen = (i for in range(1,100) if i %3 == 0)
for num in gen:
    print(num)

  其他就不举例,有兴趣可以自己玩玩.

  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.

  生成器的惰性机制:生成器只有在访问的时候才取值,说白了你要找他才给你值,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:生成器要值的时候才拿值.

  字典推导式:

    根据名字应该也能猜到,推导出来的是字典

#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)

  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.

  留一个练习题:

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,不到最后不会拿值

原文地址:https://www.cnblogs.com/pythoncainiao/p/10105233.html

时间: 2024-10-08 09:52:40

Python入门-生成器和生成器表达式的相关文章

python高级编程之生成器表达式和itertools模块

# -*- coding: utf-8 -*- # python:2.x __author__ = 'Administrator' #生成器表达式和itertools模块 #yield 中可以使用圆括号代替中括号 iter0=(x**2 for x  in range(10)if x%2==0) for iter1 in iter0: print iter1 #结果 """ 0 4 16 36 64 """ #这样的表达式被称为生成器或者gene

Python基础----生成器、三元表达式、列表生成式、生成器表达式

Python开发基础-Day9-生成器.三元表达式.列表生成式.生成器表达式 生成器 生成器函数:函数体内包含有yield关键字,该函数执行的结果是生成器,生成器在本质上就是迭代器. def foo(): print('first------>') yield 1 print('second----->') yield 2 print('third----->') yield 3 print('fouth----->') g=foo() from collections impor

Python生成器、三元表达式、列表生成式、字典生成式、生成器表达式

什么是生成器:只要函数内部包含有yield关键字,那么函数名()的到的结果(生成器地址)就是生成器,再调用函数不会执行函数内部代码这个生成器本身有  _iter_  he  _next_功能(即生成器就是一个迭代器) 为什么要用生成器:生成器是一种自定义迭代器的方式 总结yield的功能1.提供一种自定义迭代器的方式2.yield可以暂停住函数,返回值 yield he return 相同点:都是用在函数内,都可以返回值,没有类型限制,没有个数限制不同点:return只能返回一次值,yield可

Python的迭代器和生成器

先说迭代器,对于string.list.dict.tuple等这类容器对象,使用for循环遍历是很方便的就,在后台for语句对容器对象对象调用iteration()函数,这是python的内置函数,iter()会返回一个定义next()方法的迭代器对象,它在容器中逐个访问容器内元素,next()也是python的内置函数.在没有后续元素是,调用next()会抛出一个StopIteration异常 上面说的都是python自带的容器对象,它们都实现了相应的迭代器方法,自定义类的遍历怎么实现,方法是

python基础-迭代器和生成器

一.递归和迭代 1.递归:(问路示例) 递归算法是一种直接或者间接地调用自身算法的过程.在计算机编写程序中,递归算法对解决一大类问题是十分有效的,它往往使算法的描述简洁而且易于理解. 2.迭代:简单理解为更新换代( 儿子生孙子的故事) 二.迭代器协议 1.迭代器协议是指:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么就引起一个StopIteration异常,以终止迭代 (只能往后走不能往前退) 2.可迭代对象:实现了迭代器协议的对象(如何实现:对象内部定义一个__iter_

python之路系列-生成器和迭代器-景丽洋老师

返回顶部 楔子 假如我现在有一个列表l=['a','b','c','d','e'],我想取列表中的内容,有几种方式? 首先,我可以通过索引取值l[0],其次我们是不是还可以用for循环来取值呀? 你有没有仔细思考过,用索引取值和for循环取值是有着微妙区别的. 如果用索引取值,你可以取到任意位置的值,前提是你要知道这个值在什么位置. 如果用for循环来取值,我们把每一个值都取到,不需要关心每一个值的位置,因为只能顺序的取值,并不能跳过任何一个直接去取其他位置的值. 但你有没有想过,我们为什么可以

Python高级编程之生成器(Generator)与coroutine(二):coroutine介绍

原创作品,转载请注明出处:点我 上一篇文章Python高级编程之生成器(Generator)与coroutine(一):Generator中,我们介绍了什么是Generator,以及写了几个使用Generator Function的示例,这一小节,我们会介绍Python的coroutine,以及会有一个小例子,再接下来的文章中会以代码的形式一步步介绍coroutine的高级用法. coroutine(协程) 什么是coroutine?coroutine跟Generator有什么区别?下面先看一段

python基础-------迭代器,生成器,协程函数

1,迭代器协议: 1.1 迭代器协议是指:对象必须提供一个next方法,执行该方法要么返回迭代中的下一项,要么就引起一个StopIteration异常,以终止迭代 (只能往后走不能往前退) 1.2. 可迭代对象:实现了迭代器协议的对象(如何实现:对象内部定义一个__iter__()方法) 1.3. 协议是一种约定,可迭代对象实现了迭代器协议,python的内部工具(如for循环,sum,min,max函数等)使用迭代器协议访问对象 2,迭代器: 1.1:为什么要用迭代器: 1.2 优点:迭代器提

python之 迭代器,生成器

什么叫跌代: 可以将某个数据集合内的数据一个一个挨着取出来就叫做跌代. 迭代器协议: 可以被跌代要满足的要求叫做可迭代协议,可迭代对象必须提供一个next的方法,执行该方法要么返回跌代中的下一项,要么就引起一个StopIteration异常,以终止跌代(跌代只能往后走,而不能往前退) python中的for循环: for循环的本质就是遵循迭代器协议去访问对象,for循环可以遍历(字符串,列表,元祖,字典,集合,文件对象)这些对象都是不可迭代对象,只不过在for循环时,调用了他们内部的-iter-