列表生成式 生成器 迭代器 yield

列表生成式

格式：通过一个或者若干个在List里边的for构建List而非List外部的for循环

举个例子：计算从1到10整数的平方构成一个List

L=[ x*x for x in range(1,11) ]

作用：①取代for循环+append快速生成一个List

②从已有的List中快速生成另一个List

补充：

1、for后可以跟 if，以达到筛选合适的元素而非全部元素以创建List

如：只取偶数

L=[ x*x for x in range(1,11) if not x%2]

注意：for后的if为筛选，不能跟else

for后的if会只筛选出符合条件的x用以构建List

for前可以跟if…else …，此时if…else…为表达式，不起筛选作用（即不会减少List中的元素个数）

L=[x if x%2 else -x for x in range(1,11)]
[1, -2, 3, -4, 5, -6, 7, -8, 9, -10]

相当于

for x in range(1,11):
    if x % 2: #为偶数
        x=x #不变
    else:
        x=-x

2、可以两个变量同时参与

L=[ m+n for m in 'abc' for n in 'xyz']
['ax', 'ay', 'az', 'bx', 'by', 'bz', 'cx', 'cy', 'cz']

效果类似于两层循环，第一个for对应外层循环，第二个for对应内层循环

3、当然两个变量同时参与也可以不用两个for

例如对Dict的Key和Value的访问

1 D={'Mike':23,'Bob':19,'Jim':20}
2 L=[ m+':'+str(n) for m,n in D.items()]
3
4 L
5 ['Mike:23', 'Bob:19', 'Jim:20']

注意第二行，只有相同类型才能用加号+，所以要对整数类型n进行强制类型转换

这样的话，2和3看起来就和for循环区别很小了，只是把for循环的循环体放在了for循环前边

应用：

1、用简洁的语句列出当前目录下的所有文件名

import os
[D for D in os.listdir('.')]

['.idea', 'Fib.py', 'Hanoi.py', 'T1.py', 'venv']

os是模块方面的内容，以后会学到

2、将一个列表List中的所有字符串中的字符小写

方法：字符串的lower方法，str.lower()，如果是大写则是upper方法

注意，如果该List中既有字符串，又有其他类型，则需要for后if筛选

L=[ 'Abc' , 123 , 'MNO' ,True]
A=[s.lower() for s in L if isinstance(s,str)]

A
['abc', 'mno']

生成器

意义：生成列表List过大时，为节省空间，不把List中的每个元素都保存下来，而是根据算法，需要时通过迭代计算出指定的值

Python这种边迭代边计算的机制叫做生成器(Generator)

创建：

①把列表生成式的中括号[ ]变为小括号( )即可

G=(x*x for x in range(1,11))

②通过函数创建，利用yield关键字

如果一个函数中包含了yield关键字，那它就不是一个普通的函数，而是一个Generator。

！！！普通函数是遇到return返回，而对于Generator，是在每次调用next()方法的时候执行，遇到yield语句返回，再次执行时，从上次返回的yield语句后一句继续执行。可以理解为，yield就是generator的return

举个例子：

def odd():
    print ('step 1')
    yield 1
    print ('step 2')
    yield 2
    print ('step 3')
    yield 3

o=odd()
next(o)
step 1
1

next(o)
step 2
2

next(o)
step 3
3

odd()是一个Generator，遇到next()才会执行，遇到yield就返回，每次执行都是从上次的yield处继续的。执行了3次next()后，已经没有yield了，所以再调用next()就会报错

访问元素

注意：不能通过下标 [ N ] 的方式访问generator的特定元素

①一个接一个打印

不断用next方法，python2.x中的方法是generator.next()；python3.x中的方法是next(generator)

G=(x*x for x in range(1,11))

next(G)
1
next(G)
4
next(G)
9

无法next时，会抛出StopIteration错误

②for循环

Generator也是可迭代对象，可以通过for迭代

for i in G:
    print (i)

16
25
…
100

由于之前已经next()了3次，所以无法从头输出，只能从第四次开始

需要注意的是，用for迭代对generator进行操作，相当于进行了相同次数的next()，因此可以继续next()的次数减少了

补充：要访问某个特定元素，需要先迭代一定次数，而无法直接访问，换言之，这个元素没有保存在内存中，而是实时计算得到的

实例

Fibonacci数列：

def Fib2(num):
    n=1;a=0;b=1;
    while n<num:
        print (b)
        s=a
        a=b
        b+=s
        n+=1
    return

Fib数列可以根据初始两个值，推算出后续任意值，这与Generator十分相似，如果我们指明是对哪个变量运用了推算规则，我们就可以把这个函数变为Generator

方法是，将print改为yield，这意味着，我们用yield标识了这个根据算法推算出来的变量b，则这个变量就是构成Generator的那个变量(这里说法不严谨，但一时找不出更适合的词语)

如果一个函数变为了Generator，我们便可以通过for循环访问其中的元素；next()也可以，但不如for简洁

for i in Fib2(6):
    print (i)

1
1
2
3
5

补充：Generator函数可以用一个变量承接，如

F=Fib2(6)

这样可以更直观地看出来是Generator而非普通的函数

另外，普通函数调用返回值是一个确定的值，Generator返回的是一个Generator

迭代器

可迭代对象(Iterable)：可以直接用于for循环的数据类型；

两种：

1、集合类数据——Dict List Tuple Str

2、迭代器Iterator

迭代器(Iterator)：可以被next( )函数调用，并不断返回下一个值的对象，直到最后抛出StopIteration错误表示无法继续返回下一个值

举例：Generator（两种：1、生成器 2、带yield的Generator函数）

可以用isinstance函数判断某数据是否为Iterable或者Iterator

#这里的A表变量，不表字母A
isinstance(A , Iterable)

isinstance(A , Iterator)

检查前应先从collections库中导入Iterator类

from collections.abc import Iterator

将Iterable转化为Iterator：iter()函数

from collections.abc import Iterator

isinstance(iter([]),Iterator)
True

Python对于Iterator的处理——当做一个数据流，只能通过next()不断返回下一个数据，它是一个惰性数列——不存储所有值，而是需要时才计算出想要的值。

Python中for循环的实质是将Iterable转化为Iterator，再通过不断的next()实现的

for x in [1,2,3,4,5]:
    pass

#等价于

it=iter( [ 1,2,3,4,5 ] )
while True:
    try:
        x=next( it )
    except StopIteration :
        break