列表推导式
格式：
list1 = [生成元素的表达式 for 原列表的元素 in 原列表 if 需要满足的条件]
使用：
以下面代码为例子，可以看到最终的list1里存了所有list0中的偶数元素的平方。
其运行的过程是，从list0中挨个取出元素存在变量i，然后判断i是否被2整除，如果被整除就执行最开始的表达式，即i * i，然后把这个元素放到新的列表中
可以看做，列表推导式就是从旧的列表之中推出新的列表
list0 = [2, 5, 6, 7, 4]
list1 = [i * i for i in list0 if i % 2 == 0]
print(list1)
'''
输出：
[4, 36, 16]
'''
列表推导式还有很多多其他的用法，下面举几个例子：
使用三元运算符
list0 = [2, 5, 6, 7, 4]
list1 = [i * i if i % 2 else -i for i in list0]
print(list1)
'''
输出：
[-2, 25, -6, 49, -4]
'''
# 这里Py的非零整数就是True，零就是False
对字符串元素操作
list0 = ['abc', 'ccc', 'here', 'cute']
list1 = [i * 5 for i in list0 if len(i) > 3]
print(list1)
'''
输出：
['hereherehereherehere', 'cutecutecutecutecute']
'''
过滤列表元素
list0 = ['abc', 'ccc', 3, 'here', 'cute', 5, True, False]
list1 = [i for i in list0 if isinstance(i, str)]
print(list1)
'''
输出：
['abc', 'ccc', 'here', 'cute']
'''
对字典元素进行操作
list0 = [{
'key': 10}, {
'key': 34}, {
'key': 66}]
list1 = [i for i in list0 if i['key'] <= 10]
print(list1)
'''
输出：
[{'key': 10}]
'''
循环嵌套
list1 = [(i, j) for i in range(5) if i % 2 for j in range(5) if j % 2 == 0]
print(list1)
'''
输出：
[(1, 0), (1, 2), (1, 4), (3, 0), (3, 2), (3, 4)]
'''
列表推导式在运行效率上比遍历列表一个一个再加入新列表要更快。
集合推导式
其实和列表推导式一样，只不过多了去重而已
set1 = {
i % 2 for i in range(10)}
print(set1)
''''
输出：
{0, 1}
''''
字典推导式
和列表推导式一样，不过会根据key进行覆盖，后生成的value会替换先生成的value
dict0 = {
'aaa': 233, 'bbb': 332, 'ddd': 555}
dict1 = {
key: value + 5 for key, value in dict0.items()}
print(dict1)
'''
输出：
{'aaa': 238, 'bbb': 337, 'ddd': 560}
'''
反转key和value
可以发现，反转后有重复的key，value就会被替换
dict0 = {
'aaa': 233, 'bbb': 233, 'ddd': 555}
dict1 = {
value: key for key, value in dict0.items()}
print(dict1)
'''
输出：
{233: 'bbb', 555: 'ddd'}
'''
生成器
生成器-表达式
如果把上面的列表推导式子的符号换成圆括号，那么新生成得的就是一个生成器了：
从下面的代码可以看出，list不再是一个列表，而是一个generator对象，当然仍然可以强制把它转成list
list1 = (i * i for i in range(6))
print(list1)
'''
输出：
<generator object <genexpr> at 0x0000013E4C03F5C8>
'''
此时，如果想要获取元素则需要使用next方法
generator = (i * i for i in range(6))
print(generator.__next__()) # 使用自带的__next__()方法来返回下一个元素
print(generator.__next__())
'''
输出：
0
1
'''
generator = (i * i for i in range(6))
print(next(generator))# 使用系统自带的next函数
print(next(generator))
print(next(generator))
'''
输出：
0
1
4
'''
需要注意的是，两种next每次只返回下一个元素，不能跳过某个元素或者从任意点开始返回，且生成器属于可迭代类型。
遍历生成器
generator = (i * i for i in range(6))
for i in generator:
print(i)
'''
输出：
0
1
4
9
16
25
'''
使用map映射
generator = (i * i for i in range(6))
print(list(map(lambda x: x * x, generator)))
'''
输出：
[0, 1, 16, 81, 256, 625]
'''
生成器-函数
使用表达式只能创建简单的表达式，如果复杂一点就需要使用函数了
yield关键字
通过以下的代码，可以看到函数内加了yield关键字后，函数就变成了一个生成器
def generator(n: int):
cnt = 1
while cnt < n:
cnt += n
yield cnt
print(generator(5))
'''
输出：
<generator object generator at 0x0000024845B154C8>
'''
从下面的代码可以知道程序大概的流程(建议debug一遍看流程)
- ge获取到生成器对象的地址，但没有执行生成器内部的代码
- 执行第一个next，开始执行内部的代码，先是执行最外层初始化cnt，然后进入循环，直到执行到yield关键字，把cnt当做当次获取的值返回了出去，然后生成器内部的执行停止
- 执行第二个next，可以发现打印了‘yield后’说明第二次执行是接着上次yield结束的位置执行的
def generator(n: int):
cnt = 1
print("进入生成器")
while cnt < n:
cnt += 1
print("yield之前")
yield cnt
print("yield后")
ge = generator(5)
print("得到生成器----开始获取元素", end='\n\n\n')
print(ge.__next__())
print("第一个元素获取完毕", end='\n\n\n')
print(ge.__next__())
print("第二个元素获取完毕", end='\n\n\n')
'''
输出：
得到生成器----开始获取元素
进入生成器
yield之前
2
第一个元素获取完毕
yield后
yield之前
3
第二个元素获取完毕
'''
得出结论，yield后面的变量会被当做值返回出去，并且遇到yield后，生成器内部的代码就停止执行，直到调用下一个next。再举一个例子：
def generator(n: int):
cnt = 1
print("进入生成器")
cnt += 1
yield cnt
yield 23333
ge = generator(5)
print(ge.__next__())
print(ge.__next__())
'''
输出：
进入生成器
2
23333
'''
可以把yield看做一个特殊的return，不过执行完之后不会结束当前迭代器，yield其实也可以不跟返回的值这样yield就可以当成一个暂停的工具使用。
函数生成器与return
执行下面的代码会出现异常，因为当前的生成器只能生成两个元素，但是却执行了三个next
def generator(n: int):
cnt = 1
cnt += 1
yield cnt
yield 23333
ge = generator(5)
print(ge.__next__())
print(ge.__next__())
print(ge.__next__())
'''
輸出:
2
23333
Traceback (most recent call last):
File "D:\Pycharm\Project\Pytest\test.py", line 11, in <module>
print(ge.__next__())
StopIteration
'''
如果这里加一个return呢，可以发现return的值就被当做异常的消息输出了
def generator(n: int):
cnt = 1
cnt += 1
yield cnt
yield 23333
return "生成器结束"
ge = generator(5)
print(ge.__next__())
print(ge.__next__())
print(ge.__next__())
'''
输出：
Traceback (most recent call last):
2
File "D:\Pycharm\Project\Pytest\test.py", line 12, in <module>
23333
print(ge.__next__())
StopIteration: 生成器结束
'''
send方法
对生成器使用send方法，可以给生成器传入一个值，同时也得到生成器的返元素，实现生成器与外部进行沟通
使用send时发送的信息就相当于是yield的值，那么使用一个变量接收yield的值就可以了。
需要注意第一使用send时只能传None，否则会报错。
原因很简单，经过上面的生成器执行过程分析之后，可以知道第一次执行生成器时，执行到yield就结束了也就是没有给yield接收值的机会，所以传值会报错。
这里建议debug一下理解过程
def generator(n: int):
cnt = 1
while cnt < n:
cnt += 1
message = yield cnt
print(message)
ge = generator(5)
print(ge.send(1005))
'''
输出：
Traceback (most recent call last):
File "D:\Pycharm\Project\Pytest\test.py", line 10, in <module>
print(ge.send(1005))
TypeError: can't send non-None value to a just-started generator
'''
正确使用：
def generator(n: int):
cnt = 1
while cnt < n:
cnt += 1
message = yield cnt
print(message)
ge = generator(5)
print(ge.send(None))
print(ge.send(1005))
print(ge.send(1005))
'''
输出：
2
1005
3
1005
4
'''
也可以：
def generator(n: int):
cnt = 1
while cnt < n:
cnt += 1
message = yield cnt
print(message)
ge = generator(5)
print(ge.__next__())
print(ge.send(1005))
print(ge.send(1005))
'''
输出：
2
1005
3
1005
4
'''
总之就是一定要先执行一次yield才能用send发非None信息