Python生成器、推导式之前襟后裾

生成器

函数体内有yield选项的就是生成器，生成器的本质是迭代器，由于函数结构和生成器结构类似，可以通过调用来判断是函数还是生成器，如下：

def fun():
    yield "我是生成器"
print(fun())

# 打印内容如下:
<generator object fun at 0x0000000002160ED0> 

生成器的优点就是节省内存.

Python获取生成器的二种方式:

• 通过函数获取生成器
• 通过生成器推导式创建生成器

通过函数获取生成器

def fun():
    print("fun")
    yield "生成器"
g = fun()
print(g)    # 打印函数名查看是否是生成器 

# 打印内容如下:
<generator object fun at 0x0000000000510ED0> 

从打印内容可以看出是生成器，但是发现生成器里面的内容没有被打印，那如何打印生成器内容呢?我们可以把生成器理解成迭代器的变异版，所以要打印生成器的内容，与迭代器类似，创建生成器对象后，可以使用生成器.__next__()来打印生成器内容，或者next()、send()等来打印生成器，如下：
使用.__next__()来打印生成器中的内容：

def fun():
    print("我在yield 1的上面")
    yield "yield 1"
    print("我在yield 1的下面")
g = fun() # 创建生成器对象
print(g.__next__()) # 打印生成器里面的内容

# 打印内容如下
我在yield 1的上面
yield 1

从上面的打印结果可以发现yield下面的print语句没有被打印，到yield停止了。

def fun():
    print("我在yield 1 上面")
    yield "我是yield 1"
    print("我在yield 1 下面")
    yield "我是yield 2"
    print("我在yield 2 下面") 
g = fun() # 创建生成器对象
print(g.__next__())
print(g.__next__())

# 打印内容如下
我在yield 1 上面
我是yield 1
我在yield 1 下面
我是yield 2

由上面两个事例我们可以看出就是每next一次就执行一次yield上面的代码一次，yield下面的代码不会被执行，这就是生成器的惰性机制。

下面使用next()打印生成器内容：

def fun():
    print("我在yield 1 上面")
    yield "我是yield 1"
    print("我在yield 1 下面")
    yield "我是yield 2"
    print("我在yield 2 下面")

g = fun()
print(next(g)) # next(g)打印生成器内容
print(next(g)) # next(g)打印生成器内容

# 打印内容如下
我在yield 1 上面
我是yield 1
我在yield 1 下面
我是yield 2

与.__next__()功能类似

在使用send(参数)打印生成器内容：
send方法可以给上一层的yield传递一个值，如果上一个yield没有值的话send的参数将被忽略，如果有值yield的值将被改变成当前的参数，还有需要注意的地方就是如果send(参数)做为第一次迭代，由于上一层没有yield，所以没有办法传参，会导致出现错误，错误内容如下：
TypeError: can't send non-None value to a just-started generator
我们将send(None)作为第一次调用即可，然后在第二次调用时可以传适当的参数。如下：

def fun():
    val = yield "我是yield 1"
    print(val)
    val = yield "我是yield 2"
    print(val)
    yield "我是yield 3"
    print("我在yield 3 下面")

g = fun()
print(g.send(None))
print(g.send("我是send 2"))
print(g.send("我是send 3"))

# 打印内容如下
我是yield 1
我是send 2
我是yield 2
我是send 3
我是yield 3

使用for循环打印生成器所有内容。

def fun():
    yield "我是yield 1"
    yield "我是yield 2"
    yield "我是yield 3"

g = fun() # 创建生成器对象
for g_buf in g: # 使用for循环打印生成器对象
    print(g_buf)

# 打印内容如下
我是yield 1
我是yield 2
我是yield 3

yield可以返回任何数据类型，这里以列表为事例：

def fun():
    list_1 = [1,2,3,4,5]
    yield list_1 # 将整个列表作为返回值传给生成器对象
g = fun() # 创建生成器对象
print(g.__next__()) # 打印生成器对象 

# 打印内容如下:
[1, 2, 3, 4, 5] 

如果想要yield从列表中每次返回一个元素可以使用yield from 列表来实现，如下：

def fun():
    list_1 = [1,2,3,4,5]
    yield from list_1
g = fun() # 创建生成器对象
print(g.__next__()) # 打印生成器对象内容 

# 打印内容如下:
1 

可以发现只打印了列表中的一个元素，可以使用for循环打印所有内容：

def fun():
    list_1 = [1,2,3,4,5]
    yield from list_1
g = fun()
for g_buf in g:
print(g_buf) 

# 打印内容如下:
1
2
3
4
5 

相当于执行了5次print(g.__next__())  打印生成器所有内容。

推导式

列表推导式

如给list_1列表赋值，常规做法如下：

list_1 = []
for num in range(10):
    list_1.append(num)
print(list_1) 

# 打印内容如下
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

使用列表推导式如下：

list_1 = [num for num in range(10)]
list_2 = ["Python: %s" % num for num in range(3)]
print(list_1)
print(list_2) 

# 打印内容如下
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
['Python: 0', 'Python: 1', 'Python: 2']

列表推导式还可以进行筛选，如下：

list_1 = [num for num in range(20) if num < 5 or num == 15]
print(list_1) 

# 打印内容如下:
[0, 1, 2, 3, 4, 15] 

升级一点，将一个嵌套列表中以"a"开头和以"h"开头的元素存放在一个空列表中，基础写法如下：

names = [['abc', 'abb', 'zzz'],["hello","world","xiaoming"]]
list_names = []
for name_1 in names:
    if type(name_1) == list:
        for name_2 in name_1:
            if name_2.startswith("a") or name_2.startswith("h"):
                list_names.append(name_2)
print(list_names) 

# 打印内容如下:
['abc', 'abb', 'hello']         

使用列表推导法：

names = [['abc', 'abb', 'zzz'],["hello","world","xiaoming"]]
list_names = [name_2 for name_1 in names if type(name_1) for name_2 in name_1 if name_2.startswith("a") or\
name_2.startswith("h")] 

# 打印内容如下:
['abc', 'abb', 'hello'] 

生成器推导式

与列表推导式类似，只不过列表是使用[]，生成器推导式使用的是()。

g_1 = (num for num in range(10))
print(g_1)
print(g_1.__next__())
print(g_1.__next__()) 
# 打印内容如下
<generator object <genexpr> at 0x0000000002FAACA8>
0
1

我们知道生成器是具有惰性的，每次只能获取一条数据，下面使用for循环打印所有内容：

g_1 = (num for num in range(10))
for num in g_1:
    print(num,end=' ') 

# 打印内容如下
0 1 2 3 4 5 6 7 8 9 

生成器的筛选与列表推导式用法一样，只不过是()。
如下：过滤1-20内的所有偶数。

g_1 = (num for num in range(20) if num % 2 == 0)
for i in g_1:
    print(i,end=" ")

# 打印内容如下
0 2 4 6 8 10 12 14 16 18 

生成器表达式和列表推导式的区别：

• 列表推导式比较耗内存，一次性加载全部数据，生成器表达式几乎不占用内存，使用的时候才分配和使用内存。
• 得到的值不一样，列表推导式得到的是一个列表全部数据，生成器表达式获取的是一个生成器。

字典推导式

list_1 = ["电视剧","电影"]
list_2 = ["上海滩","黄飞鸿"]
dict_1 = {list_1[i]:list_2[i] for i in range(len(list_1))}
print(dict_1) 

# 打印内容如下:
{'电视剧': '上海滩', '电影': '黄飞鸿'} 

集合推导式

集合的特点：无序、不重复所以集合推导式自带去重功能。

list_1 = [1,2,3,4,2,3,5]
set_1 = {i for i in list_1} # 集合推导式
print(set_1) 

# 打印内容如下:
{1, 2, 3, 4, 5}

总结:

• 推导式有列表推导式、生成器推导式、字典推导式、集合推导式。
• 生成器表达式：(结果 for 变量 in 可迭代对象 if 条件筛选)
• 生成器表达式可以直接获取到生成器对象，生成器对象具有惰性，每次只能获取一条内容，可以使用for循环打印生成器所有的内容。

---

下一篇：装饰器，常用内置函数：https://www.cnblogs.com/caesar-id/p/10328512.html