Python_011(生成器)
一.生成器
def func():
print("")
return 222
ret = func()
print(ret)
#结果
111
222
1)这里面函数体里是返回值return;如果将return换成yield就是生成器
def func():
print("")
yield 222
ret = func()
print(ret)
#输出结果
<generator object func at 0x000001FDDCE5EEB8>
如果函数中包含了yield,那这个函数就是生成器了
所以:a;return直接返回结果,结束函数的调用
b:返回结果,可以让函数分段执行
关于生成器的的小坑;
def func():
i = 1
while i < 1000000:
yield "%s" % i
i += 1
print(func().__next__())#不是同一个生成器,开辟了一个新空间
print(func().__next__())#相当于一个新的生成器从第一步执行,相当于格式化了func()中的所有东西
print(func().__next__())
#1,1,1
为什么会不变呢,因为执行每一次print,都相当于重新拿了一个生成器,
然后从头开始找第一个yield;
生成器是不能进行赋值运算的;所以正确格式:上下两个程序少了一个func = func()
def func():
i = 1
while i < 1000000:
yield "%s" % i
i += 1
6 func = func()
print(func.__next__())#不是同一个生成器
print(func.__next__())#相当于一个新的生成器从第一步执行
print(func.__next__())
#输出结果:
1,2,3
2)生成器的作用
#代码一
def cloth1():
lst = []
for i in range(10000):
lst.append(i)
return lst
c1 = cloth1()
#代码二
def cloth():
for i in range(100000):
yield '衣服' + str(i+1)
c = cloth()
for i in range(10):
print(c.__next__())
这两段代码差别之处,就是代码一一下子就提取了10000个数,太耗内存;
代码二:是可以控制的,我要几个,你给我几个;惰性机制;
二.send和.next()的区别
1.还是上面的程序,你用._next_()的话,会直接一次性全拿出来值,会很占用内存,生成器的话,是可控的,一个一个
指下去,不会回去,下一次继续获取指针指向的值;
这里面send是怎么运行的,第一行._next_()是运行到红色范围的yield,然后print(g.send(1))是函数func
从a开始执行到下一个yield "22",然后把send的里面的1赋值给a;
代码展示:
def func():
print("大碴粥")
a = yield ""
print(a)
print("狗不理")
b = yield ""
print(b)
print("大麻花")
c = yield "" g = func()
print(g.__next__())
print(g.send(1))
print(g.__next__())
#输出结果
大碴粥
11
1 #这是send里面的1赋值给了a
狗不理
22
None #因为b是._next_()执行的,没用进行赋值,所以为None
大麻花
33
注意:第一个不能用send(),最后一个也不要传值;
三.列表推导式,生成器表达式以及其他推导式
1.列表推导式
平常代码:
lst = []
for i in range(1,16):
lst.append(i)
print(lst)
#输出结果
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
替换成列表推导式
lst = [i for i in range(1,16)]
print(lst)
#输出结果
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
这里的lst直接相当于append进行的添加;
lst = ["python%d" % i for i in range(1,16)]
print(lst)
#输出结果
['python1', 'python2', 'python3', 'python4', 'python5', 'python6', 'python7', 'python8', 'python9', 'python10', 'python11', 'python12', 'python13', 'python14', 'python15']
判断列表中的有两个e的元素
names = [['Tom', 'Billy', 'Jefferson' , 'Andrew' , 'Wesley' , 'Steven' ,
'Joe'],['Alice', 'Jill' , 'Ana', 'Wendy', 'Jennifer', 'Sherry' , 'Eva']]
lst = [name for index in names for name in index if name.count("e") == 2]
print(lst)
#输出结果
['Jefferson', 'Wesley', 'Steven', 'Jennifer']
2.生成器推导式
a:生成器表达式和列表推导式基本一致,只是把[]替换成了()
gen = (i for i in range(10))
print(gen) #输出结果得到的是一串地址,你要用._next_()才能一步一步执行生成器;
生成器表达式和列表推导式两者的区别就是前者是惰性机制,要一个给一个,后者是一次性生成,比较耗内存;
b:生成器的惰性机制
上代码:
*************深坑请留意*************
def func():
print(111)
yield 222
g = func() #生成器g
g1 = (i for i in g) #生成器g1,for循环只是让g变成了一个迭代器,而没有向它取值
g2 = (i for i in g1) #生成器g2,跟g1相似,没有东西让他取值,就不运行
print(list(g)) #list内部有一个append,我跟你生成器要值了,你会运行你的函数
print(list(g1)) #而._next_()只是生成器要值后执行的语句,
print(list(g2))
#输出结果
111
[222]
[]
[]
这里面第一个print里面的list(g)相当于list.append()向g要值了,g才会去调用函数,就是你第四行的代码该运行
运行,但是就是不调用我的函数,你就只调用我的变量g,而不执行g;
而当运行第二个print里面的list(g1)时,执行g1=(i for i in g)时,g._next_()已经运行到最后一个yield了,
所以g1再迭代g,已经取不到值了.所以为空列表;
c:字典的生成器格式
ls1 = [1,2,3,4,5] ls2 = [5,6,7,8,9]
dic = {ls1[i]:ls2[i] for i in range(len(ls1))}
d:总结 推导式有:列表推导式,字典推导式,集合推导式,没有元组推导式
面试题:
def add(a,b):
return a+b
def test():
for i in range(4):
yield i
g = test()
for n in [2,10]:
g = (add(n,i) for i in g)
'''
执行效果
n = 2
g = (add(n,i) for i in test())
n = 10
g = (add(n,i) for i in ((add(n,i) for i in test()))
这里一直没有取值操作,所以不会执行test()函数,而取n值的时候,是最后一步
才取的n值,你要带入了,我给你值,否则你就一直用我的变量带入吧;
'''
print(list(g))
#输出结果
[20, 21, 22, 23]
Python_011(生成器)的更多相关文章
- 介绍一款原创的四则运算算式生成器:CalculateIt2
家里小朋友读一年级了,最近每天都有一些10以内的加减法口算练习,作为程序员爸爸,自然也是想办法能够偷懒,让电脑出题,给小朋友做些练习.于是,自己在业余时间开发了一个四则运算算式生成器,名为:Calcu ...
- 每天一个设计模式-7 生成器模式(Builder)
每天一个设计模式-7 生成器模式(Builder) 一.实际问题 在讨论工厂方法模式的时候,提到了一个导出数据的应用框架,但是并没有涉及到导出数据的具体实现,这次通过生成器模式来简单实现导出成文本,X ...
- Objective-C 生成器模式 -- 简单实用和说明
1.生成器模式的定义 将一个复杂的对象的构件与它的表示分离,使得同样的构建过程可以创建不同的表示 2.生成器模式的UML Builder :生成器接口,定义创建一个Product各个部件的操作 Con ...
- 构建ASP.NET MVC4+EF5+EasyUI+Unity2.x注入的后台管理系统(25)-权限管理系统-系统管理员(附生成器)
系列目录 这一节我们要着手建立系统管理员表,但发布之前,我先发布一个代码生成器给大家先用着. 这个生成器是为这个项目而生的,理论不能用于其他项目,而且写得比较潦草,但能用 下载地址 有兴趣要生成器源码 ...
- Python(四)装饰器、迭代器&生成器、re正则表达式、字符串格式化
本章内容: 装饰器 迭代器 & 生成器 re 正则表达式 字符串格式化 装饰器 装饰器是一个很著名的设计模式,经常被用于有切面需求的场景,较为经典的有插入日志.性能测试.事务处理等.装饰器是解 ...
- ES6笔记(5)-- Generator生成器函数
系列文章 -- ES6笔记系列 接触过Ajax请求的会遇到过异步调用的问题,为了保证调用顺序的正确性,一般我们会在回调函数中调用,也有用到一些新的解决方案如Promise相关的技术. 在异步编程中,还 ...
- C#/ASP.NET完善的DBHelper,配套Model生成器
支持Oracle.MSSQL.MySQL.SQLite四种数据库,支持事务,支持对象关系映射:已在多个项目中实际使用. 没有语法糖,学习成本几乎为0,拿来即用. DBHelper类完整代码: usin ...
- Python 生成器与迭代器 yield 案例分析
前几天刚开始看 Python ,后因为项目突然到来,导致Python的学习搁置了几天.然后今天看回Python 发现 Yield 这个忽然想不起是干嘛用的了(所以,好记性不如烂笔头.).然后只能 花点 ...
- Mockjs,模拟数据生成器
(推荐使用)Mock.js是一款模拟数据生成器,旨在帮助前端攻城师独立于后端进行开发,帮助编写单元测试. 提供了以下模拟功能: 1. 根据数据模板生成模拟数据. 2. 模拟Ajax请求,生成并返回模拟 ...
随机推荐
- Openstack_通用模块_Oslo_vmware 创建/删除 vCenter 虚拟机
目录 目录 oslovmware Connect to vCenter Server Create VirtualMachine for vCenter 常用的虚拟机配置项 删除虚拟机 oslo.vm ...
- set()运算
1 计算两个list的关系时,可转化为set进行运算. 参考:https://www.runoob.com/python3/python3-set.html a =[1,4,3,5,6,6,7,7,7 ...
- Tensorflow实战(二):Discuz验证码识别
一.前言 验证码是根据随机字符生成一幅图片,然后在图片中加入干扰象素,用户必须手动填入,防止有人利用机器人自动批量注册.灌水.发垃圾广告等等 . 验证码的作用是验证用户是真人还是机器人. 本文将使用深 ...
- hacker101----XSS Review
所有你见过XSS行动在这一点上,但我们来回顾一下今天我们要讨论的XSS类型: 反射型XSS -- 来自用户的输入将直接返回到浏览器,从而允许注入任意内容 [浏览器输入,马上到服务器上,再反射回来直 ...
- js 正则整理
//严格验证身份证格式方法function idCardNo(value){ //验证身份证号方法 var area = { 11: "北京", 12: "天津" ...
- Maven系列学习(三)Maven生命周期和插件
Maven生命周期和插件 Maven另外的两个核心概念就是生命周期和插件,Maven的生命周期都是抽象的,其实实际行为都是由插件来完成的,生命周期和插件两者协同工作 1.生命周期 Maven的生命周期 ...
- 第七周实验报告&课程总结
一.完成火车站售票程序的模拟. 要求: (1)总票数1000张: (2)10个窗口同时开始卖票: (3)卖票过程延时1秒钟: (4)不能出现一票多卖或卖出负数号票的情况. 代码: public cla ...
- 史上最全的ORACLE基础教程
ORACLE命令和语句挺多,全部记忆下来不现实,况且有不常用的指令.下面把大部分的指令做了记录和详细的注释.建议收藏.转发此篇文章,如果忘记可以翻出来查查.关注公众号it_learn获取更多学习资源 ...
- qt 保存文件为utf8
转载:https://www.cnblogs.com/cppskill/p/7999800.html bool TdrawSvg::Save2File(char* _pcFullFileName) { ...
- HDU 6070题解(二分+线段树)
题面 传送门 此题的题意不是很清晰,要注意的一点是在区间[L,R]中,默认题目编号最后一次出现的时候是AC的 比如1 2 1 2 3 ,在区间[1,4]中,第3次提交时AC第1题,第4次提交时AC第2 ...