python全栈开发-前方高能-生成器和生成器表达式
python_day_13
今日主要内容
1. 生成器和生成器函数
生成器的本质就是迭代器
生成器的三种创建办法:
- 1.通过生成器函数
- 2.通过生成器表达式创建生成器
- 3.通过数据转换
生成器函数:
函数中包含了yield的就是生成器函数
注意:生成器函数被执行. 获取到的是生成器. 而不是函数的执行
生成器表达式:
(结果 for 变量 in 可迭代对象 if 筛选)
取值:
- 1. __next__()
- 2. send(值) 给上一个yield位置传一个值, 第一个和最后一个yield不用传值
- 3. 可以for循环
- 4. list(g)
- 2. 各种推导式和生成器表达式
- 1. 列表推导式 [结果 for 变量 in 可迭代对象 if 筛选]
- 2. 字典推导式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=>key:value
- 3. 集合推导式 {结果 for 变量 in 可迭代对象 if 筛选} 结果=>key
12. 前⽅⾼能-⽣成器和⽣成器表达式
本节主要内容:
- 1. ⽣成器和⽣成器函数
- 2. 列表推导式
⼀. ⽣成器 什么是⽣成器. ⽣成器实质就是迭代器.
在python中有三种⽅式来获取⽣成器:
- 1. 通过⽣成器函数
- 2. 通过各种推导式来实现⽣成器
- 3. 通过数据的转换也可以获取⽣成器
⾸先, 我们先看⼀个很简单的函数:
def func():
print("")
return 222
ret = func()
print(ret)
结果
111
222
将函数中的return换成yield就是⽣成器
def func():
print("")
yield 222
ret = func()
print(ret)
结果:
<generator object func at 0x00000276E516DF68>
运⾏的结果和上⾯不⼀样. 为什么呢. 由于函数中存在了yield. 那么这个函数就是⼀个⽣成器 函数. 这个时候. 我们再执⾏这个函数的时候. 就不再是函数的执⾏了. ⽽是获取这个⽣成器. 如何使⽤呢? 想想迭代器. ⽣成器的本质是迭代器.
所以. 我们可以直接执⾏__next__()来执⾏ 以下⽣成器.
def func():
print("")
yield 222 gener = func()# 这个时候函数不会执⾏. ⽽是获取到⽣成器
ret = gener.__next__()# 这个时候函数才会执⾏. yield的作⽤和return⼀样. 也是返回数据
print(ret)
结果:
111
222
那么我们可以看到, yield和return的效果是⼀样的. 有什么区别呢? yield是分段来执⾏⼀个 函数. return呢? 直接停⽌执⾏函数.
def func():
print("")
yield 222
print('')
yield 444 gener = func()
ret = gener.__next__()
print(ret)
ret2 = gener.__next__()
print(ret2)
ret3 = gener.__next__()
print(ret3)# 最后⼀个yield执⾏完毕. 再次__next__()程序报错, 也就是说. 和return⽆关了. 结果:
111
Traceback (most recent call last):
222
File "D:/pycodes/第13天/day13.py", line 117, in <module>
333
ret3 = gener.__next__() # 最后⼀个yield执⾏完毕. 再次__next__()程序报错, 也就是说. 和return⽆关了.
444
StopIteration
当程序运⾏完最后⼀个yield. 那么后⾯继续进⾏__next__()程序会报错. 好了⽣成器说完了.
⽣成器有什么作⽤呢? 我们来看这样⼀个需求. 老男孩向JACK JONES订 购10000套学⽣服. JACK JONES就比较实在. 直接造出来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, 问题来了. 老男孩现在没有这么多学⽣啊. ⼀次性给我这么多. 我往哪⾥放啊. 很尴尬 啊. 最好的效果是什么样呢? 我要1套. 你给我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__())
区别: 第⼀种是直接⼀次性全部拿出来. 会很占⽤内存. 第⼆种使⽤⽣成器. ⼀次就⼀个. ⽤多 少⽣成多少. ⽣成器是⼀个⼀个的指向下⼀个. 不会回去, __next__()到哪, 指针就指到哪⼉. 下⼀次继续获取指针指向的值.
接下来我们来看send⽅法, send和__next__()⼀样都可以让⽣成器执⾏到下⼀个yield.
def eat():
print("我吃什么啊")
a = yield "馒头"
print("a=",a)
b = yield "⼤饼"
print("b=",b)
c = yield "⾲菜盒⼦"
print("c=",c)
yield "GAME OVER"
gen = eat() # 获取⽣成器
ret1 = gen.__next__()
print(ret1)
ret2 = gen.send("胡辣汤")
print(ret2)
ret3 = gen.send("狗粮")
print(ret3)
ret4 = gen.send("猫粮")
print(ret4)
send和__next__()区别:
1. send和next()都是让⽣成器向下走⼀次
2. send可以给上⼀个yield的位置传递值, 不能给最后⼀个yield发送值. 在第⼀次执⾏⽣ 成器代码的时候不能使⽤send()
⽣成器可以使⽤for循环来循环获取内部的元素:
def func():
print(111)
yield 222
print(333)
yield 444
print(555)
yield 666
gen = func()
for i in gen:
print(i)
结果:
111
222
333
444
555
666
⼆. 列表推导式, ⽣成器表达式以及其他推导式 ⾸先我们先看⼀下这样的代码, 给出⼀个列表, 通过循环, 向列表中添加1-13 :
lst = []
for i in range(1, 15):
lst.append(i)
print(lst)
替换成列表推导式:
lst = [i for i in range(1, 15)]
print(lst)
列表推导式是通过⼀⾏来构建你要的列表, 列表推导式看起来代码简单. 但是出现错误之 后很难排查.
列表推导式的常⽤写法: [ 结果 for 变量 in 可迭代对象]
例. 从python1期到python14期写入列表lst:
lst = ['python%s' % i for i in range(1,15)]
print(lst)
我们还可以对列表中的数据进⾏筛选
筛选模式: [ 结果 for 变量 in 可迭代对象 if 条件 ]
# 获取1-100内所有的偶数
lst = [i for i in range(1, 100) if i % 2 == 0]
print(lst)
⽣成器表达式和列表推导式的语法基本上是⼀样的. 只是把[]替换成()
gen = (i for i in range(10))
print(gen)
结果:
<generator object <genexpr> at 0x106768f10>
打印的结果就是⼀个⽣成器. 我们可以使⽤for循环来循环这个⽣成器:
gen = ("麻花藤我第%s次爱你" % i for i in range(10))
for i in gen:
print(i)
⽣成器表达式也可以进⾏筛选:
# 1.获取1-100内能被3整除的数
lst = [i for i in range(1,101) if i%3==0]
print(lst)
# 2.100以内能被3整除的数的平⽅
lst = [i*i for i in range(1,101) if i%3==0]
print(lst)
# 3.寻找名字中带有两个e的⼈的名字
names = [['Tom', 'Billy', 'Jefferson' , 'Andrew' , 'Wesley' , 'Steven' ,'Joe'],['Alice', 'Jill' , 'Ana', 'Wendy', 'Jennifer', 'Sherry' , 'Eva']]
lst = [a for i in names for a in i if a.count('e')==2]
print(lst)
⽣成器表达式和列表推导式的区别:
1. 列表推导式比较耗内存. ⼀次性加载. 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
2. 得到的值不⼀样. 列表推导式得到的是⼀个列表. ⽣成器表达式获取的是⼀个⽣成器.
举个栗⼦.
同样⼀篮⼦鸡蛋. 列表推导式: 直接拿到⼀篮⼦鸡蛋. ⽣成器表达式: 拿到⼀个老⺟鸡. 需要 鸡蛋就给你下鸡蛋.
⽣成器的惰性机制: ⽣成器只有在访问的时候才取值. 说⽩了. 你找他要他才给你值. 不找他 要. 他是不会执⾏的.
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的数据来源于g
g2 = (i for i in g1) # ⽣成器g2. 来源g1
print(list(g)) # 获取g中的数据. 这时func()才会被执⾏. 打印111.获取到222. g完毕.
print(list(g1)) # 获取g1中的数据. g1的数据来源是g. 但是g已经取完了. g1 也就没有数据了
print(list(g2)) # 和g1同理
深坑==> ⽣成器. 要值得时候才拿值.
字典推导式: 根据名字应该也能猜到. 推到出来的是字典
# 把字典中的key和value互换
dic = {'a': 1, 'b': ''}
new_dic = {dic[key]: key for key in dic}
print(new_dic)
# 在以下list中. 从lst1中获取的数据和lst2中相对应的位置的数据组成⼀个新字典
lst1 = ['jay', 'jj', 'sylar']
lst2 = ['周杰伦', '林俊杰', '邱彦涛']
dic = {lst1[i]: lst2[i] for i in range(len(lst1))}
print(dic)
集合推导式:
集合推导式可以帮我们直接⽣成⼀个集合.
集合的特点: ⽆序, 不重复. 所以集合推导式⾃ 带去重功能
lst = [1, -1, 8, -8, 12]
# 绝对值去重
s = {abs(i) for i in lst}
print(s)
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
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.⽣成器对象可以直接进⾏for循环.⽣成器具有 惰性机制.
2018-07-18 15:45:41
=============================7.20更新=============================
作业:
2,用列表推导式做下列小题
(1)过滤掉长度小于3的字符串列表,并将剩下的转换成大写字母
lst = ['asas','a','aa','adas','ac','adc']
lis = [i.upper() for i in lst if len(i)>3]
print(lis)
(2)求(x,y)其中x是0-5之间的偶数,y是0-5之间的奇数组成的元祖列表
lst = [(x,y) for x in range(6) for y in range(6) if x%2==0 and y%2==1]
print(lst)
(3)求M中3,6,9组成的列表M = [[1,2,3],[4,5,6],[7,8,9]]
M = [[1,2,3],[4,5,6],[7,8,9]]
lst = [ a for i in M for a in i if a ==i[2]]
print(lst)
(4)求出50以内能被3整除的数的平方,并放入到一个列表中。
lst = [i*i for i in range(51) if i%3==0]
print(lst)
(5)构建一个列表:['python1期', 'python2期', 'python3期', 'python4期', 'python6期', 'python7期', 'python8期', 'python9期', 'python10期']
lst = ['python%s期' % i for i in range(1,11) ]
print(lst)
(6)构建一个列表:[(0, 1), (1, 2), (2, 3), (3, 4), (4, 5), (5, 6)]
lst = [(x,y) for x in range(6) for y in range(1,7) if y==x+1]
print(lst)
(7)构建一个列表:[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]
lst = [i for i in range(19) if i%2==0]
print(lst)
(8)有一个列表l1 = ['alex', 'WuSir', '老男孩', '太白']将其构造成这种列表['alex0', 'WuSir1', '老男孩2', '太白3']
l1 = ['alex', 'WuSir', '老男孩', '太白']
lst =[l1[a]+str(a) for a in range len(l1) ]
print(lst)
(9)有以下数据类型:
x = {
'name':'alex',
'Values':[{'timestamp':1517991992.94,
'values':100,},
{'timestamp': 1517992000.94,
'values': 200,},
{'timestamp': 1517992014.94,
'values': 300,},
{'timestamp': 1517992744.94,
'values': 350},
{'timestamp': 1517992800.94,
'values': 280}
],}
将上面的数据通过列表推导式转换成下面的类型:
[[1517991992.94, 100], [1517992000.94, 200], [1517992014.94, 300], [1517992744.94, 350], [1517992800.94, 280]]
x = {
'name': 'alex',
'Values': [{'timestamp': 1517991992.94,
'values': 100, },
{'timestamp': 1517992000.94,
'values': 200, },
{'timestamp': 1517992014.94,
'values': 300, },
{'timestamp': 1517992744.94,
'values': 350},
{'timestamp': 1517992800.94,
'values': 280}
], } lst = [[i['timestamp'], i['values']] for i in x["Values"]]
print(lst)
2018-07-20 09:04:16
python全栈开发-前方高能-生成器和生成器表达式的更多相关文章
- python全栈开发-Day11 迭代器、生成器、面向过程编程
一. 迭代器 一 .迭代的概念 迭代器即迭代的工具,那什么是迭代呢? 迭代是一个重复的过程,每次重复即一次迭代,并且每次迭代的结果都是下一次迭代的初始值 while True: #只是单纯地重复,因而 ...
- python 全栈开发,Day13(迭代器,生成器)
一.迭代器 python 一切皆对象 能被for循环的对象就是可迭代对象 可迭代对象: str,list,tuple,dict,set,range 迭代器: f1文件句柄 dir打印该对象的所有操作方 ...
- 巨蟒python全栈开发-第12天 生成器函数 各种推导式 yield from
一.今日主要内容总览(重点) 1.生成器(目的:帮助我们创建对象) (1)生成器的本质就是迭代器 (2)一个一个的创建对象 (3)创建生成器的方式: 1.生成器函数 2.通过生成器表达式来获取生成器 ...
- python全栈开发_day13_迭代器和生成器
一:迭代器 1)可迭代对象 具有内置函数__iter__的数据就是可迭代对象 2)迭代器对象 具有内置函数__next__的数据就是迭代器对象 迭代器对象一定是可迭代对象,可迭代对象不一定是迭代器对象 ...
- python全栈开发-前方高能-内置函数2
python_day_15 一.今日主要内容 1. lambda 匿名函数 语法: lambda 参数:返回值 不能完成复杂的操作 2. sorted() 函数 排序. 1. 可迭代对象 2. key ...
- python全栈开发-前方高能-函数进阶
python_day_10 一.今日主要内容 1. 动态参数 位置参数的动态参数: *args 关键字参数的动态参数 : **kwargs 顺序: 位置,*args,默认值,**kwargs 在形参上 ...
- python全栈开发-前方高能-函数
python_day_9 一.今日主要内容 函数: 函数:对功能的封装 语法: def 函数名(形参): 函数体 函数名(实参) 函数名:命名规则和变量一样 函数的返回值: return, 函数执行完 ...
- python全栈开发学习_内容目录及链接
python全栈开发学习_day1_计算机五大组成部分及操作系统 python全栈开发学习_day2_语言种类及变量 python全栈开发_day3_数据类型,输入输出及运算符 python全栈开发_ ...
- python全栈开发 生成器 :生成器函数,推导式及生成器表达式
python 全栈开发 1.生成器函数 2.推导式 3.生成器表达式 一.生成器函数 1.生成器: 生成器的本质就是迭代器 (1)生成器的特点和迭代器一样.取值方式和迭代器一样(__next__(), ...
随机推荐
- Python 模块化 import 语句介绍(一)
用法: import 模块1[,模块2,模块3...] os 顶级模块os.path 非顶级模块as 相当于重命名 import 的本质: 解释器负责模块单独加载,单独初始化,生成一个模块对象,当前作 ...
- StackExchange.Redis学习笔记(二) Redis查询 五种数据类型的应用
ConnectionMultiplexer ConnectionMultiplexer 是StackExchange.Redis的核心对象,用这个类的实例来进行Redis的一系列操作,对于一个整个应用 ...
- LayIM.AspNetCore Middleware 开发日记(六)嵌入资源的使用,layim.config的封装
前言 距离上一篇博客竟然已经10多天了...工作上的事,个人原因,种种吧.不多说废话,本文将会重点介绍layim的入口配置. LayIM配置 其实在开发者文档里面已经描述的很清楚了.除了几个重要的接口 ...
- ant design 修改tab样式
.ant-tabs-ink-bar{ background-color: transparent !important; } .ant-tabs-top .ant-tabs-ink-bar-anima ...
- sys_arch interface for lwIP 2.0.3
sys_arch interface for lwIP 2.0.3 Author: Adam Dunkels Simon Goldschmidt The operating system emulat ...
- SpringAOP的自定义注解实践
springaop属于spring的重要属性,在java中有相当广泛的用途,大家一般都接触过aop实现事务的管理,在xml里配好声明式事务,然后直接在service上直接加上相应注解即可, 今天我们来 ...
- django数据库迁移-15
目录 1.迁移 1.生成迁移文件 2.执行迁移命令 添加测试数据 1.迁移 创建完模型类后,并没有真正的在数据库中创建了数据表,需要执行迁移命令,在数据表中创建数据表. 1.生成迁移文件 manage ...
- SQL 列转行 分组去重并合并多条记录
继上篇<SQL 列转行 合并多条记录>后,有网友反馈新的需求还是不太会用. 现举例说明 一,网友需要如下的效果: 其实,这个需求依然可以我上篇的方法进行解答,但为了实现分组,需要disti ...
- SAP OData $batch processing
例として.1回の呼び出しで100個の新しい商品を作成したい場合.最も簡単な方法は.$ batch要求を使用して100個のPOST呼び出しすべてを単一のサービス呼び出しにまとめることです. URIの末尾 ...
- ASP.NET <% %>的各种形式用法
1.<% %>用来绑定后台代码 < % ;i<;i++) { Reaponse.Write(i.ToString()); } %> 2.<%# %> 是在绑定 ...