一丶生成器
生成器的本质就是迭代器
def func(): print("111") return 222 ret = func() print(ret) # 结果 111 222 #将函数中的return换成yield就成了生成器 def func(): print("111") yield 222 ret = func() print(ret) #结果 <generator object func at 0x0000019D9FF3D150>
生成器的特点和迭代器一样,取值方式和迭代器一样(__next__(),send():给上一个yield的传值)
def func(): print("111") yield 222 ret = func() ret1 = ret.__next__() print(ret1) #111 222
生成器一般由生成器函数和生成器表达式来创建
其实就是手写的迭代器
二丶生成器函数
和普通函数没有区别,里面有yield的函数就是生成器函数
生成器函数在执行的时候默认不会执行函数体,返回生成器
通过生成器__next__() 分段执行这个函数
# 例题: # 一公司订购10000件衣服,而员工并没有这么多,一次分不完只能堆起来.占空间 def cloth(): lst = [] for i in range(10000): lst.append("衣服"+ str(i)) return lst cl = cloth() #最好的方法是来一个新员工领一套,不用一次性做那么多件衣服,用多少取多少. def cloth(): lst = [] for i in range(10000): lst.append("衣服"+ str(i)) yield lst cl = cloth()
区别: 第⼀种是直接⼀次性全部拿出来. 会很占⽤内存. 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, 指针就指到哪⼉.下一次继续获取指针指向的值.
send()给上一个yield传值,不能在开头(没有上一个yield),最后一个yield也不能用send()
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)
三丶推导式
1.列表推导式[结果 for循环 条件筛选]
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)
2.字典推导式{K:V for循环 条件筛选}
# 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⼀个新字典 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)
3.集合推导式{K for循环 条件}
#集合推导式可以帮我们去重 lst = [1,1,2,4,9,6,8,4,2,6] s = {i for i in lst} print(s) #{1, 2, 4, 6, 8, 9}
四丶生成器表达式
(结果 for循环 条件)
# 获取1-100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整除的数的平⽅ gen = (i*i for i in range(1,100) if i%3 == 0) for num in gen: print(num) # 寻找名字中带有两个e的⼈的名字 names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven','Joe'], ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']] # #不用推导式和表达式 lst = [] for i in names: for name in i: if name.count("e") >= 2: lst.append(name) print(lst) #推导式 gen = (name for i in names for name in i if name.count("e") >= 2) for name in gen: print(name)
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. 你找他要他才给你值. 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
面试题:
def add(a,b): return a + b def test(): for r_i in range(4): #获取的是 0,1,2,3 print("a") yield r_i g = test() for n in [2,10]: g = (add(n,i) for i in g) print(list(g))
