013_生成器

1，生成器

　　　　只要含有yield关键字的函数都是生成器函数
　　　　yield不能和return共用且需要写在函数内

　　生成器函数的特点：
　　　　①调用函数之后函数不执行，返回应该生成器
　　　　②每次调用__next__方法时会取到一个值
　　　　③知道取完最后一个，在执行__next__会报错

def generator():    #生成器函数
    print(2)
    yield 'a'

ret = generator()   #调用生成器函数，但并不会执行，而是返回一个生成器及地址
print(ret)          #>>><generator object generator at 0x000002582D4596D8>

2，简单生成器函数的使用

def generator():
    print(2)
    yield 'a'       #yield与return在相同的位置，都会返回后面的值，
                    # 但是yield不会结束函数，return会结束函数
ret = generator()
g = ret.__next__()
print(g)

3，yield
　　　　yield作用暂停生成器函数但不结束，并将yield后面的返回到调用的地方（即使用了  “生成器.__next__()” 的地方)，当再次使用  “生成器.__next__()” 时生成器函数就会重暂停位置继续执行。

4，生成器的使用

　　　　从生成器中取值的几个方法：
　　　　　　　　　　　　①__next__
　　　　　　　　　　　　②for循环
　　　　　　　　　　　　③数据类型的强制转换，但是占用内存大。如：把生成器转为列表 list(g)

def wa():
    for i in range(100):
        yield '娃哈哈'%i

g = wa()
for i in g:
    print(i)

#只用其中的50个
g = wa()
count = 0
for i in g:
    count += 1
    print(i)
    if count > 50:
        break       #for循环结束，生成器暂停并没有结束

# 继续索要接下来的值
print('**',g.__next__())    #随时可以索要接下来的值

5，监听文件输入的栗子：

def tail(filename):
    f = open(filename,encoding='utf-8')
    while True:
        line = f.readline()
        if line.strip():
            yield  line.strip()

g = tail('file')
for i in g:
    print(i)

6，生成器中send()的使用
　　6.1，获取移动平均值

def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num
        count += 1
        avg = sum/count
avg_g = average()   #调用函数之后函数不执行，返回应该生成器
avg_g.__next__()  #使用生成器，暂停在yield  #使用send()时，第一次使用生成器必须先使用__next__()方法激活一次。
avg1 = avg_g.send(10)   #使用send()发后一个值返回到上次暂停的yield,并执行__next__()的功能一次，
avg1 = avg_g.send(20)   #生成器中最后一个yield不能接受外部的值
print(avg1)

7，生成器的装饰器

def init(func):
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)
        g.__next__()
        return g
    return inner

@init
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num
        count += 1
        avg = sum/count

avg_g = average()
ret = avg_g.send(10)
print(ret)

8，想将分开一个一个的输出就用yield from

def generator():
    a = 'abcde'
    b ='12345'
    yield from a
    yield from b

g = generator()
for i in g:
    print(i)

9,表达式
　　9.1，列表推导式

print(['鸡蛋%s'%i for i in range(10)])
结果：['鸡蛋0', '鸡蛋1', '鸡蛋2', '鸡蛋3', '鸡蛋4', '鸡蛋5', '鸡蛋6', '鸡蛋7', '鸡蛋8', '鸡蛋9']

　　9.2，生成器表达式

g = (i for i in range(10))
print(g)
for i in g:
    print(i)

　　9.3，列表推导式：

[每个元素或者和元素相关的操作 for 元素 in 可迭代数据类型]
[满足条件的元素相关的操作 for 元素 in 可迭代数据类型 if 元素相关条件]

　　　　　  9.3.1，栗子1：30以内所有能被整除的数

ret = [i for i in range(30) if i % 3 == 0]
print(ret)

　　　　　　9.3.2，栗子2：30以内所有能被整除的数的平方

ret = [i*i for i in range(30) if i % 3 == 0]
print(ret)

　　　　　　9.3.3，栗子3；找到嵌套列表中名字含有两个’e‘的所有名字

names = [['Tom','Billy','Jefferson','Steven'],['Jennifer','Eva']]
ret = [name for lst in names for name in lst if name.count('e') == 2]
print(ret)

　　9.4，字典推导式：

　　·　　　9.4.1，栗子1：将一个字典的key和value对调

mcase = {'a': 10, 'b': 34}
mcase_frequency = {mcase[k]: k for k in mcase}
print(mcase_frequency)

　　　　　9.4.2，合并大小写对应的value值，将k统一成小写

mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase.keys()}
print(mcase_frequency)

　　9.5，集合推导式：

　　　　　9.5.1，栗子1：计算列表中每个值的平方，自带去重功能

squared = {x**2 for x in [1, -1, 2]}
print(squared)

猜你喜欢