小学生都能学会的python(生成器)

1. 生成器

生成器的本质就是迭代器.

生成器由生成器函数来创建或者通过生成器表达式来创建

# def func():

# lst = []

# for i in range(10000):

# lst.append("衣服%s" % i)

# return lst

# lst = func()

# print(lst)

# def func():

# for i in range(1, 10000):

# yield "衣服%s" % i

#

# gen = func()

# for i in range(50):

# yf = gen.__next__()

# for i in range(50):

# yf = gen.__next__()

# for i in range(50):

# yf = gen.__next__()

# def func():

# lst = []

# for i in range(1, 10000):

# lst.append("衣服%s" % i)

# if i % 50 == 0:

# yield lst

# lst = [] # 新的装衣服的地方

#

# gen = func()

# yf1 = gen.__next__()

# print(yf1)

# yf2 = gen.__next__()

# print(yf2)

# yf3 = gen.__next__()

# print(yf3)

# yf4 = gen.__next__()

# yf5 = gen.__next__()

# print(yf1)

# print(yf2)

# print(yf3)

# print(yf4)

# print(yf5)

# 生成器:本质是迭代器, 写法和迭代器不一样. 用法和迭代器一样

# 生成器函数: 函数中带有yield, 执行生成器函数的时候返回生成器。而不是执行这个函数

# def func():

# print("你好啊, 我叫赛利亚,")

# yield "西岚的武士刀" # return 和yield都可以返回数据

#

# ret = func() # generator ret是一个生成器

# print(ret)

# s = ret.__next__() # 当执行到__next__()的时候， 函数才真正的开始执行

# print("接受到的是", s)

# def func():

# print("打开手机")

# print("打开陌陌")

# yield "手机"

# print("约妹子")

# print("出来喝喝茶")

# yield "电脑"

# print("我加了一句话")

# gen = func() # 生成器

# ret1 = gen.__next__()

# print(ret1)

# ret2 = gen.__next__()

# print(ret2)

# ret3 = gen.__next__() # 找不到最后一个yield 会报错

# print(ret3)

#

# 特点：

# 1. 节省内存, 几乎不占用内存

# 2. 惰性机制

# 3。只能往前走

# send() 也可以实现类似__next__()的效果, send()可以给上一个yield传值

#

# def func():

# print("韭菜盒子")

# a = yield "哇哈哈"

# print("肉包子", a)

# b = yield "脉动"

# print("锅包肉", b)

# yield "冰红茶"

#

# gen = func()

# ret = gen.send("胡辣汤")

# print(ret)

#

# ret = gen.send("刘伟") # 给上一个yield传值

# print(ret)

#

# ret = gen.send("刘德华") # 给上一个yield传值

# print(ret)

# send()和__next__()的区别

# send不可以用在开头

# send可以给上一个yield传值, 不能给最后一个yield传值

def func():

yield "麻花藤"

yield "李彦宏"

yield "马云"

yield "刘强东"

gen = func()

# print(gen.__next__()) # 麻花藤

# print(gen.__next__()) # 麻花藤

# print(gen.__next__()) # 麻花藤

# print(gen.__next__()) # 麻花藤

# 生成器的本质是迭代器.

# print("__iter__" in dir(gen))

#

# # 生成器可以直接使用for循环

# # for el in gen:

# # print(el)

#

# lst = list(gen) # 把生成器中的每一个数据拿出来组合成一个列表

# print(lst)

2. 生成器函数

生成器函数:在函数中return换成yield. 这个函数就是生成器函数

def func():

yield

gen = func() 函数并不会被执行, 而是创建一个生成器对象

取值:

gen.__next__() 下一个

gen.send() 可以给上一个yield传值, 第一次执行不能用send()

特性:

1. 节省内存

2. 惰性机制

3. 只能向前

3. 各种推导式

# 列表：装python1期， python2期。。。。。。

# lst = [] # 创建列表

# for i in range(1, 17): # 循环1-16

# lst.append("python%s" % i) # 装数据

# print(lst)

# 推导式

# 列表推导式 : [结果 for循环 if筛选]

lst = ["python%s" % i for i in range(1, 17)]

print(lst)

# 创建列表: [1,3,5,7,9..99]

lst = [i for i in range(1, 100, 2)]

print(lst)

lst = [i for i in range(1,100) if i % 2 == 1]

print(lst)

# 获取1-100内能被3整除的数

# lst = [i for i in range(1, 101) if i % 3 == 0]

#

# # 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]

# 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 = [name for first in names for name in first if name.count("e") >= 2 ]

# print(lst)

# 字典推导式, {key: value for循环 if 筛选}

# dic = {"张无忌":"九阳神功", "乔峰":"降龙十八掌", "楚留香":"帅"}

# d = {dic[k]: k for k in dic}

# print(d)

# lst1 = ["东北", "陕西", "山西", "开封", "杭州", "广东", "济南"]

# lst2 = ['大拉皮', "油泼面", "老陈醋", "灌汤包", "西湖鲤鱼", "早茶", "胶东一锅鲜"]

#

# dic = {lst1[i]:lst2[i] for i in range(len(lst1))}

# print(dic)

# 集合推导式 无序不重复 可哈希

# {key for if}

# lst = ["周杰伦","周伯通","周润发","周伯通","周笔畅","周伯通","周星驰","周伯通"]

# s = {el for el in lst}

# print(s)

1.列表推导式: [结果 for循环 if条件]

2.字典推导式: { key: value for循环 if条件}

3.集合推导式: {key for循环 if条件}

(结果 for循环 if条件)

惰性机制

记录在内存中的一段代码.

# 元组没有推导式

# [结果 for if]

# {key for if}

# {key:value for if}

# (结果 for if) # 生成器表达式, 拿到的是生成器

# 可以使用生成器表达式直接创建生成器

# gen = (i for i in range(10)) # generator

# print(gen.__next__())

# print(gen.__next__())

# print(gen.__next__())

# print(gen.__next__())

# print(gen.__next__())

# print(gen.__next__())

# print(gen.__next__())

# print(gen.__next__())

# print(gen.__next__())

# print(gen.__next__())

# print(gen.__next__())

# 生成器表达式: 记录一下代码。 然后每次需要的时候去生成器中执行一次这个代码

# 列表推导式: 一次性把所有的数据创建出来, 容易产生内存浪费

# 特性:

# 1. 节省内存

# 2. 惰性机制

# 3.只能向前。

# 生成器函数

# def func():

# print(111)

# yield 222

#

# g = func() # 生成器

#

# g1 = (i for i in g) # 生成器

# g2 = (i for i in g1) # 生成器

#

#

# print(list(g1)) # 222

# print(list(g2))

# print(list(g)) # 才会开始真正的取数据

# 计算两个数的和

def add(a, b):

return a + b

# 生成器函数, 0-3

def test():

for r_i in range(4):

yield r_i

# 获取到生成器

g = test() # 惰性机制

for n in [2, 10]:

g = (add(n, i) for i in g) # 循环的内部也是一个生成器

# __next__()

# list()

print(list(g)) # 刚开始拿数据

# 生成器记录的是代码