一. 昨日内容回顾 1.函数名 赋值. 作为列表的元素 参数 返回值 函数名就是变量 2. 闭包 内层函数对外层函数的局部变量的访问 1. 安全 2. 常驻内存 3. 迭代器 可迭代对象: __iter__() Iterable 迭代器: __iter__() __next__() Iterator 特点: 1.节省内存 2.惰性机制 3.只能往前拿 可迭代的内容: str, list, dict, tuple, set, range f 二. 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. 各种推倒式和生成器表达式 1. 列表推倒式 [结果 for 变量 in 可迭代对象 if 筛选] 2. 字典推倒式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=>key:value 3. 集合推倒式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=>key 先整理.然后再做作业. 预习: 内置函数(68个)生成器函数
def func():# print("我是周杰伦")# yield "昆凌" # 函数中包含了yield, 当前这个函数就不再是普通的函数了. 是生成器函数# print("我是王力宏")# yield "李云迪???"# print("我是笛卡尔积")# yield "笛卡尔积是谁"# print("你好啊") # 最后一个yield之后如果再进行__next__() 会报错# g = func()# print(g.__next__())# print(func().__next__()) # g1 = func()# g2 = func()# print(g1.__next__())# print(g1.__next__())## print("==============")# print(g2.__next__()) ## g = func() # 通过函数func()来创建一个生成器# print(g.__next__()) # 周杰伦# print(g.__next__()) # 王力宏# print(g.__next__()) # 笛卡尔积# print(g.__next__()) # return 直接返回结果. 结束函数的调用# yield 返回结果.可以让函数分段执行## def func():# lst = []# for i in range(1,100001):# lst.append("衣服%s" % i)# return lst## def gen():# i = 1# while i < 100001:# yield "衣服%s" % i# i = i + 1# g = gen()# print(g.__next__())# print(g.__next__())# print(g.__next__())# print(g.__next__())# print(g.__next__())# print(g.__next__()) ## def func():# yield 11# yield 22# yield 33# yield 44### g = func() # 拿到的是生成器. 生成器的本质是迭代器. 迭代器可以被迭代 生成器可以直接for循环## for i in g:# print(i) # 本质上执行的是__next__()## it = g.__iter__()# while True:# try:# print(it.__next__())# except StopIteration:# break
send
def func():# print("大碴粥")# a = yield "11"# print(a)# print("狗不理")# b = yield "22"# print(b)# print("大麻花")# c = yield "33"# print(c)## g = func()# print(g.__next__())# print(g.send(1))# print(g.send(2))# print(g.send(3)) # __next__() 可以让生成器向下执行一次# send() 也可以让生成器向下执行一次, 给上一个yield传一个值, 第一个不能用send(). 最后一个也不要传值 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?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) def func(): yield 11 yield 22 yield 33 yield 44g = func()lst = list(g) # 可迭代对象print(lst)
推导式
# lst = [i*i for i in range(1,101) if i % 3 == 0]# 3. 寻找名字中带有两个e的?的名字# names = [[‘Tom‘, ‘Billy‘, ‘Jefferson‘ , ‘Andrew‘ , ‘Wesley‘ , ‘Steven‘ ,# ‘Joe‘],[‘Alice‘, ‘Jill‘ , ‘Ana‘, ‘Wendy‘, ‘Jennifer‘, ‘Sherry‘ , ‘Eva‘]]# lst = [name for first in names for name in first if name.count("e") == 2]# print(lst)## print([name for i in names for name in i if name.count(‘e‘)==2]) # lst = ["衣服%s" % i for i in range(10000)] 生成器表达式
# g = (i for i in range(10))# print(list(g)) # gen = ("麻花藤我第%s次爱你" % i for i in range(10))# for i in gen:# print(i) # 生成器的惰性机制# def func():# print(111)# yield 222# g = func()# g1 = (i for i in g)# g2 = (i for i in g1)## print(list(g))# print(list(g1))# print(list(g2))
字典推导式
# dic = {"a":"b", "c":"d"}# # 把字典中的key:value互换 .{"b":"a", "d":"c"}# new_dic = {dic[key]:key for key in dic}# print(new_dic) # lst1 = ["alex", "wusir", "taibai", "ritian"]# lst2 = [‘sb‘, "很色", "很白", "很牛"]# # {"alex":"sb", "wusir":"很色"}## dic = { lst1[i]:lst2[i] for i in range(len(lst1))}# print(dic)
合集推导式
lst = ["马化腾", "马化腾", "王建忠", "张建忠", "张建忠", "张雪峰", "张雪峰"] s = {i for i in lst} # 集合推倒式print(s)
元祖是不能推倒的:应为元祖是不可以改变的 本节主要内容: 1. ?成器和?成器函数 2. 列表推导式?. ?成器 什么是?成器. ?成器实质就是迭代器. 在python中有三种?式来获取?成器:1. 通过?成器函数2. 通过各种推导式来实现?成器 3. 通过数据的转换也可以获取?成器 ?先, 我们先看?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?成器 def func(): print("111") yield 222 ret = func() print(ret) 结果: 运?的结果和上?不?样. 为什么呢. 由于函数中存在了yield. 那么这个函数就是?个?成器 函数.这个时候. 我们再执?这个函数的时候. 就不再是函数的执?了. ?是获取这个?成器. 如何使?呢? 想想迭代器. ?成器的本质是迭代器. 所以. 我们可以直接执?__next__()来执? 以下?成器. def func(): print("111") yield 222 gener = func() # 这个时候函数不会执?. ?是获取到?成器 ret = gener.__next__() # 这个时候函数才会执?. yield的作?和return?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?样的. 有什么区别呢? yield是分段来执??个 函数. return呢? 直接停?执?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__() # 最后?个yield执?完毕. 再次__next__()程序报错, 也就是 说. 和return?关了. print(ret3) 结果: 111 Traceback (most recent call last): 222 333 File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in 444 ret3 = gener.__next__() # 最后?个yield执?完毕. 再次__next__()程序报错, 也 就是说. 和return?关了. StopIteration 当程序运?完最后?个yield. 那么后?继续进?__next__()程序会报错. 好了?成器说完了. ?成器有什么作?呢? 我们来看这样?个需求. 老男孩向JACK JONES订 购10000套学?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("?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?啊. ?次性给我这么多. 我往哪?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. ?共10000套. 是不是最完美的. def cloth(): for i in range(0, 10000): yield "?服"+str(i) cl = cloth() print(cl.__next__()) print(cl.__next__()) print(cl.__next__()) print(cl.__next__()) 区别: 第?种是直接?次性全部拿出来. 会很占?内存. 第?种使??成器. ?次就?个. ?多 少?成多少. ?成器是?个?个的指向下?个. 不会回去, __next__()到哪, 指针就指到哪?. 下?次继续获取指针指向的值. 接下来我们来看send?法, send和__next__()?样都可以让?成器执?到下?个yield. def eat(): print("我吃什么啊") a = yield "馒头" print("a=",a) b = yield "?饼" print("b=",b) c = yield "?菜盒?" print("c=",c) yield "GAME OVER" gen = eat() # 获取?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?成器向下走?次 2. send可以给上?个yield的位置传递值, 不能给最后?个yield发送值. 在第?次执?? 成器代码的时候不能使?send() ?成器可以使?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 ?. 列表推导式, ?成器表达式以及其他推导式 ?先我们先看?下这样的代码, 给出?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??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?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?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) ?成器表达式和列表推导式的语法基本上是?样的. 只是把[]替换成() gen = (i for i in range(10)) print(gen) 结果: at 0x106768f10> 打印的结果就是?个?成器. 我们可以使?for循环来循环这个?成器: gen = ("麻花藤我第%s次爱你" % i for i in range(10)) for i in gen: print(i) ?成器表达式也可以进?筛选: # 获取1-100内能被3整除的数 gen = (i for i in range(1,100) if i % 3 == 0) for num in gen: print(num) # 100以内能被3整除的数的平? gen = (i * i for i in range(100) if i % 3 == 0) for num in gen: print(num) # 寻找名字中带有两个e的?的名字 names = [[‘Tom‘, ‘Billy‘, ‘Jefferson‘, ‘Andrew‘, ‘Wesley‘, ‘Steven‘, ‘Joe‘], [‘Alice‘, ‘Jill‘, ‘Ana‘, ‘Wendy‘, ‘Jennifer‘, ‘Sherry‘, ‘Eva‘]] # 不?推导式和表达式 result = [] for first in names: for name in first: if name.count("e") >= 2: result.append(name) print(result) # 推导式 gen = (name for first in names for name in first if name.count("e") >= 2) for name in gen: print(name) ?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. ?次性加载. ?成器表达式?乎不占?内存. 使?的时候才分 配和使?内存 2. 得到的值不?样. 列表推导式得到的是?个列表. ?成器表达式获取的是?个?成器. 举个栗?. 同样?篮?鸡蛋. 列表推导式: 直接拿到?篮?鸡蛋. ?成器表达式: 拿到?个老?鸡. 需要 鸡蛋就给你下鸡蛋. ?成器的惰性机制: ?成器只有在访问的时候才取值. 说?了. 你找他要他才给你值. 不找他 要. 他是不会执?的. def func(): print(111) yield 222 g = func() # ?成器g g1 = (i for i in g) # ?成器g1. 但是g1的数据来源于g g2 = (i for i in g1) # ?成器g2. 来源g1 print(list(g)) # 获取g中的数据. 这时func()才会被执?. 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==> ?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?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?成?个集合. 集合的特点: ?序, 不重复. 所以集合推导式? 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 ?成器表达式: (结果 for 变量 in 可迭代对象 if 条件筛选) ?成器表达式可以直接获取到?成器对象. ?成器对象可以直接进?for循环. ?成器具有 惰性机制. ?个?试题. 难度系数500000000颗星: 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?: 惰性机制, 不到最后不会拿值 这个题要先读?下. 然后??分析出结果. 最后?机器跑?下.
原文地址:https://www.cnblogs.com/zhao110/p/9330810.html
时间: 2024-11-03 22:46:11