一、生成器表达式
1、生成器：就是自己用python代码写的迭代器，生成器的本质就是迭代器(所以自带了__iter__方法和__next__方法，不需要我们去实现)。
2、用以下两种方式构建一个生成器:
1，生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。
yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行。
2，生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，
而不是一次构建一个结果列表。
3、生成器函数
3-1、先看一般的函数：
def func1(x):
x += 1
return x
func1(5) #函数的执行命令，并且接收函数的返回值。
print(func1(5)) #6
3-2、再看生成器函数：
def func1(x):
x += 1
print(666)
yield x
x +=2
print(777)
print(x)
yield 'xiaobai'
x +=3
g = func1(5) # 此时的func1(5)不会执行函数，因为它只是生成器函数对象
# print(g) # <generator object func1 at 0x0000025E5D618780>
print(g.__next__()) #666 6
print(g.__next__()) #777 8 xiaobai
3-3、yield与return的区别：
return：结束函数，给函数的执行者返回值
yield：不会结束函数，一个next对应一个yield，
执行yield上面的代码并给 生成器对象.__next__() 返回值，
3-4、生成器函数与迭代器的区别
区别1：自定制的区别
迭代器由可迭代对象转化而来，已经‘写死了’
l1 = [1,2,3,4,5]
l1.__iter__()
生成器可用自定制函数来定制
def func1(x):
x += 1
yield x
x += 3
yield x
x += 5
yield x
g1 = func1(5)
print(g1.__next__())
print(g1.__next__())
print(g1.__next__())
区别2：内存级别的区别。
迭代器是需要可迭代对象进行转化。可迭代对象非常占内存。
生成器直接创建，不需要转化，从本质就节省内存。
def func1():
for i in range(1000000):
yield i
g1 = func1()
for i in range(50):
print(g1.__next__()) #一个next取一次值，可用for循环取
3-5、send与next
先看例子：
def func1():
print(1)
count = yield 6
print(count)
print(2)
count1 = yield 7
print(count1)
print(3)
yield 8
g = func1()
print(g.__next__()) #1 6
print(g.send('xiaobai')) #xiaobai 2 7
print(g.send('xiaigou')) #xiaogou 3 8
send与next一样，也是对生成器取值（执行一个yield）的方法。
send可以给上一个yield 传值。
注意小坑：
1，第一次取值只能用next
2，最后一个yield不可能得到send传的值
3-6、生成器函数的应用例子
要制作一批量很大的衣服，用普通的函数只能一次全部制作完：
def cloth1(n):
for i in range(n+1):
print('衣服%s号' % i)
cloth1(100000)
而用生成器函数，需要制作多少就先制作多少：
def cloth2(n):
for i in range(1,n+1):
yield '衣服%s号' % i
g = cloth2(10000)
先制作50件：
for i in range(50):
print(g.__next__()) #衣服1号，衣服2号，衣服3号...衣服50号
再制作50件：
for i in range(50):
print(g.__next__()) #衣服51号，衣服52号，衣服53号...衣服100号
二、列表推导式，生成器表达式
1、普通方法创建一个元素为1到100的列表：
l1 = []
for num in range(1,101):
l1.append(num)
print(l1)
2、列表推导式：一行代码几乎搞定你需要的任何的列表。
2-1、两种方式：
循环模式
帅选模式
2-2、循环模式：[变量(加工后的变量) for 变量 in iterable]
#1到100的列表
l = [i for i in range(1,101)]
print(l) #[1,2,3,4...100]
#python1到python15的列表
l2 = ['python%s' % i for i in range(1,16)]
print(l2) #[python1,python2,python3...python15,]
#1到10的平方
l3 = [i*i for i in range(1,11)]
print(l3) #[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
2-3、筛选模式 [变量(加工后的变量) for 变量 in iterable if 条件]
#30以内的偶数
l4 = [i for i in range(1,31) if i % 2 == 0]
print(l4) #[2, 4, 6, 8,10,...28, 30]
#30以内能被3整除的数
l5 = [i for i in range(1,31) if i % 3 == 0]
print(l5) #[3, 6, 9, 12, 15, 18, 21, 24, 27, 30]
#30以内能被3整除的数的平方
l6 = [i**2 for i in range(1,31) if i % 3 == 0]
print(l6) #[9, 36, 81, 144, 225, 324, 441, 576, 729, 900]
#找出列表中含有两个'e'的元素
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
l7 = [j for i in names for j in i if j.count('e') == 2]
print(l7) #['Jefferson', 'Wesley', 'Steven', 'Jennifer']
2-4、列表推导式优缺点
优点：一行解决，方便。
缺点：容易着迷，不易排错，不能超过三次循环。
列表推导式不能解决所有列表的问题，所以不要太刻意用。
3、生成器表达式：将列表推导式的[]换成()即可。
g = (i for i in range(100000000000))
print(g) #生成器对象
print(g.__next__())
print(g.__next__())
print(g.__next__())
4、扩展
4-1、字典推导式
例一：将一个字典的key和value对调
dic = {'a': 10, 'b': 34}
new_dic = {dic[k]: k for k in dic}
print(new_dic)
结果：
{10: 'a', 34: 'b'}
例二：合并大小写对应的value值，将k统一成小写
dic = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
new_dic = {k.lower():dic.get(k.lower(),0) + dic.get(k.upper(),0) for k in dic}
print(new_dic)
结果：
{'a': 17, 'b': 34, 'z': 3}
4-2、集合推导式
例一：计算列表中每个值的平方，自带去重功能
set1 = {x**2 for x in [1, -1, 2]}
print(set1)
结果：
{1, 4}
4-3、练习题
# 例1: 过滤掉长度小于3的字符串列表，并将剩下的转换成大写字母
l1 = [i.upper() for i in ['asdf','a','b','qwe'] if len(i) >= 3]
print(l1)
结果：
['ASDF', 'QWE']
# 例2: 求(x,y)其中x是0-5之间的偶数，y是0-5之间的奇数组成的元组列表
l2 = [(x,y) for x in range(6) if x % 2 ==0 for y in range(6) if y % 2 == 1]
print(l2)
结果：
[(0, 1), (0, 3), (0, 5), (2, 1), (2, 3), (2, 5), (4, 1), (4, 3), (4, 5)]
# 例3: 求M中3,6,9组成的列表
M = [[1,2,3],[4,5,6,24,3],[7,8,9,12,9]]
l3 = [j for i in M for j in i for z in [3,6,9] if j / z == 1 ]
print(l3)
结果：
[3, 6, 3, 9, 9]