⽣成器和⽣成器表示式
本節主要內容:
1. ⽣成器和⽣成器函式
2. 列表推導式
⼀. ⽣成器
什麼是⽣成器. ⽣成器實質就是迭代器.
在python中有三種⽅式來獲取⽣成器:
1. 通過⽣成器函式
2. 通過各種推導式來實現⽣成器
3. 通過資料的轉換也可以獲取⽣成器
⾸先, 我們先看⼀個很簡單的函式:
def func():
print("111")
return 222
ret = func()
print(ret)
結果:
111
222
將函式中的return換成yield就是⽣成器
def func():
print("111")
yield 222
ret = func()
print(ret)
結果:
<generator object func at 0x10567ff68>
運⾏的結果和上⾯不⼀樣. 為什麼呢. 由於函式中存在了yield. 那麼這個函式就是⼀個⽣成器 函式. 這個時候. 我們再執⾏這個函式的時候. 就不再是函式的執⾏了. ⽽是獲取這個⽣成器. 如何使⽤呢? 想想迭代器. ⽣成器的本質是迭代器. 所以. 我們可以直接執⾏__next__()來執⾏以下⽣成器.
def func():
print("111")
yield 222
gener = func() # 這個時候函式不會執⾏. ⽽是獲取到⽣成器
ret = gener.__next__() # 這個時候函式才會執⾏. yield的作⽤和return⼀樣. 也是返回
資料
print(ret)
結果:
111
222
那麼我們可以看到, yield和return的效果是⼀樣的. 有什麼區別呢? yield是分段來執⾏⼀個 函式. return呢? 直接停⽌執⾏函式.
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__() # 最後⼀個yield執⾏完畢. 再次__next__()程式報錯, 也就是
說. 和return⽆關了.
print(ret3)
結果:
111
Traceback (most recent call last):
222
333
File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in
<module>
444
ret3 = gener.__next__() # 最後⼀個yield執⾏完畢. 再次__next__()程式報錯, 也
就是說. 和return⽆關了.
StopIteration
當程式運⾏完最後⼀個yield. 那麼後⾯繼續進⾏__next__()程式會報錯.
好了⽣成器說完了. ⽣成器有什麼作⽤呢? 我們來看這樣⼀個需求. 老男孩向JACK JONES訂 購10000套學⽣服. JACK JONES就比較實在. 直接造出來10000套衣服.
def cloth():
lst = []
for i in range(0, 10000):
lst.append("⾐服"+str(i))
return lst
cl = cloth()
但是呢, 問題來了. 老男孩現在沒有這麼多學⽣啊. ⼀次性給我這麼多. 我往哪⾥放啊. 很尷尬 啊. 最好的效果是什麼樣呢? 我要1套. 你給我1套. ⼀共10000套. 是不是最完美的.
def cloth(): for i in range(0, 10000): yield "⾐服"+str(i) cl = cloth() print(cl.__next__()) print(cl.__next__()) print(cl.__next__()) print(cl.__next__())
區別: 第⼀種是直接⼀次性全部拿出來. 會很佔⽤記憶體. 第⼆種使⽤⽣成器. ⼀次就⼀個. ⽤多 少⽣成多少. ⽣成器是⼀個⼀個的指向下⼀個. 不會回去, __next__()到哪, 指標就指到哪⼉. 下⼀次繼續獲取指標指向的值.
接下來我們來看send⽅法, send和__next__()⼀樣都可以讓⽣成器執⾏到下⼀個yield.
def eat():
print("我吃什麼啊")
a = yield "饅頭"
print("a=",a)
b = yield "⼤餅"
print("b=",b)
c = yield "⾲菜盒⼦"
print("c=",c)
yield "GAME OVER"
gen = eat() # 獲取⽣成器
ret1 = gen.__next__()
print(ret1)
ret2 = gen.send("胡辣湯")
print(ret2)
ret3 = gen.send("狗糧")
print(ret3)
ret4 = gen.send("貓糧")
print(ret4)
send和__next__()區別:
1. send和next()都是讓⽣成器向下走⼀次
2. send可以給上⼀個yield的位置傳遞值, 不能給最後⼀個yield傳送值. 在第⼀次執⾏⽣ 成器程式碼的時候不能使⽤send()
⽣成器可以使⽤for迴圈來迴圈獲取內部的元素:
def func(): print(111) yield 222 print(333) yield 444 print(555) yield 666 gen = func() for i in gen: print(i) 結果: 111 222 333 444 555 666
⼆. 列表推導式, ⽣成器表示式以及其他推導式
⾸先我們先看⼀下這樣的程式碼, 給出⼀個列表, 通過迴圈, 向列表中新增1-13 :
lst = [] for i in range(1, 15): lst.append(i) print(lst)
替換成列表推導式:
lst = [i for i in range(1, 15)] print(lst)
列表推導式是通過⼀⾏來構建你要的列表, 列表推導式看起來程式碼簡單. 但是出現錯誤之 後很難排查.
列表推導式的常⽤寫法:
[ 結果 for 變數 in 可迭代物件]
例. 從python1期到python14期寫入列表lst:
lst = ['python%s' % i for i in range(1,15)] print(lst)
我們還可以對列表中的資料進⾏篩選
篩選模式:
[ 結果 for 變數 in 可迭代物件 if 條件 ]
# 獲取1-100內所有的偶數 lst = [i for i in range(1, 100) if i % 2 == 0] print(lst)
⽣成器表示式和列表推導式的語法基本上是⼀樣的. 只是把[]替換成()
gen = (i for i in range(10)) print(gen) 結果: <generator object <genexpr> at 0x106768f10>
列印的結果就是⼀個⽣成器. 我們可以使⽤for迴圈來迴圈這個⽣成器:
gen = ("麻花藤我第%s次愛你" % i for i in range(10))
for i in gen:
print(i)
⽣成器表示式也可以進⾏篩選:
# 獲取1-100內能被3整除的數
gen = (i for i in range(1,100) if i % 3 == 0)
for num in gen:
print(num)
# 100以內能被3整除的數的平⽅
gen = (i * i for i in range(100) if i % 3 == 0)
for num in gen:
print(num)
# 尋找名字中帶有兩個e的⼈的名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven',
'Joe'],
['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
# 不⽤推導式和表示式
result = []
for first in names:
for name in first:
if name.count("e") >= 2:
result.append(name)
print(result)
# 推導式
gen = (name for first in names for name in first if name.count("e") >= 2)
for name in gen:
print(name)
⽣成器表示式和列表推導式的區別:
1. 列表推導式比較耗記憶體. ⼀次性載入. ⽣成器表示式⼏乎不佔⽤記憶體. 使⽤的時候才分 配和使⽤記憶體
2. 得到的值不⼀樣. 列表推導式得到的是⼀個列表. ⽣成器表示式獲取的是⼀個⽣成器. 舉個慄⼦. 同樣⼀籃⼦雞蛋. 列表推導式: 直接拿到⼀籃⼦雞蛋
. ⽣成器表示式: 拿到⼀個老⺟雞. 需要 雞蛋就給你下雞蛋. ⽣成器的惰性機制: ⽣成器只有在訪問的時候才取值. 說⽩了. 你找他要他才給你值. 不找他 要. 他是不會執⾏的.
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的資料來源於g g2 = (i for i in g1) # ⽣成器g2. 來源g1 print(list(g)) # 獲取g中的資料. 這時func()才會被執⾏. 列印111.獲取到222. g完畢. print(list(g1)) # 獲取g1中的資料. g1的資料來源是g. 但是g已經取完了. g1 也就沒有資料 了 print(list(g2)) # 和g1同理
深坑==> ⽣成器. 要值得時候才拿值.
字典推導式:
根據名字應該也能猜到. 推到出來的是字典
# 把字典中的key和value互換
dic = {'a': 1, 'b': '2'}
new_dic = {dic[key]: key for key in dic}
print(new_dic)
# 在以下list中. 從lst1中獲取的資料和lst2中相對應的位置的資料組成⼀個新字典
lst1 = ['jay', 'jj', 'sylar']
lst2 = ['周杰倫', '林俊杰', '邱彥濤']
dic = {lst1[i]: lst2[i] for i in range(len(lst1))}
print(dic)
集合推導式:
集合推導式可以幫我們直接⽣成⼀個集合. 集合的特點: ⽆序, 不重複. 所以集合推導式⾃ 帶去重功能
lst = [1, -1, 8, -8, 12]
# 絕對值去重
s = {abs(i) for i in lst}
print(s)
總結: 推導式有, 列表推導式, 字典推導式, 集合推導式,沒有元組推導式
⽣成器表示式: (結果 for 變數 in 可迭代物件 if 條件篩選)
⽣成器表示式可以直接獲取到⽣成器物件.
⽣成器物件可以直接進⾏for迴圈. ⽣成器具有 惰性機制.
⼀個⾯試題. 難度係數500000000顆星:
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))
友情提⽰: 惰性機制, 不到最後不會拿值
這個題要先讀⼀下. 然後⾃⼰分析出結果. 最後⽤機器跑⼀下.
最後⼀個知識點: yield from
在python3中提供了⼀種可以直接把可迭代物件中的每⼀個數據作為⽣成器的結果進⾏返回
def gen(): lst = ["⿇花藤", "胡辣湯", "微星牌餅鐺", "Mac牌鍋鏟"] yield from lst g = gen() for el in g: print(el)
⼩坑: yield from是將列表中的每⼀個元素返回. 所以. 如果寫兩個yield from 並不會產⽣交替 的效果.
def gen(): lst = ["⿇花藤", "胡辣湯", "微星牌餅鐺", "Mac牌鍋鏟"] lst2 = ["餅鐺還是微星的好", "聯想不能煮雞蛋", "微星就可以", "還可以烙餅"] yield from lst yield from lst2 g = gen() for el in g: print(el) 效果: 麻花藤 胡辣湯 微星牌餅鐺 Mac牌鍋鏟 餅鐺還是微星的好 聯想不能煮雞蛋 微星就可以 還可以烙餅