函数生成器、生成器表达式，列表推导式

大家好，欢迎来到IT知识分享网。

目录

一、生成器

 ⼆、列表推导式,⽣成器表达式以及其他推导式

 三、字典推导式

四、集合推导式

一、生成器

⼀.⽣成器什么是⽣成器.⽣成器实质就是迭代器.

def fun(): print('111') return '222' g = fun() print(g)

 将函数中的return换成yield就是⽣成器

def fun(): print('111') yield '222' g = fun() print(g) # <generator object fun at 0x014BB990>

def func(): print("111") 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)

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 fun1(): print('111') yield '222' print('333') yield '444' g = fun1() print(g.__next__()) print(g.__next__()) # 最后一个 print(g.__next__()) # 执行报错了

 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

生成器的好处就是，我要一个拿一个，不用一次性全部拿来，一次性的很占内存；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.

下面看一下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的时候不能用send，因为上面没有yield

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)

 ⼆、列表推导式,⽣成器表达式以及其他推导式

1、列表推导式

语法

        [想要的结果(变量) for 变量 in 可迭代对象]

a = ['No.%s'%i for i in range(1,10)] print(a)

 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.

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内所有能被3整除的数 s = [i for i in range(1,101) if i % 3 == 0] print(s)

 2、生成器表达式

生成器表达式与列表推导式基本一样，把[]换成()

gen = (i for i in range(10)) print(gen) # 打印的结果就是⼀个⽣成器. # 结果:<generator object <genexpr> at 0xf10>

# 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: # 获取1-100内能被3整除的数 gen = (i for i in range(1,100) if i % 3 == 0) for num in gen: print(num)

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.

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

 三、字典推导式

# 把字典中的key和value互换 dic = {'a': 1, 'b': '2'} 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)

四、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)

目录

一、生成器

 ⼆、列表推导式,⽣成器表达式以及其他推导式

 三、字典推导式

四、集合推导式

 五、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.

⼀个⾯试题.难度系数….颗星:

# 友情提⽰:惰性机制,不到最后不会拿值 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))