什么是生成器？
生成器的实质就是迭代器，我们能够从生成器中一个一的拿值
python中获取生成器的方式有三种：
1、通过生成器函数
2、通过生成器表达式
3、通过数据转换也可以获取生成器（某些对象执行一个方法就能返回一个生成器，这个现在用不到）
一、 生成器函数
def gen():
代码块
yield 返回值 gen() #表示获取一个生成器，是一个内存地址，装的是代码，并不执行，用的时候才会执行
将return换成yield就是生成器函数了，上面就是生成器函数的格式。yield的作用是代码执行到这里就会停止，并且会返回一个值，所以代码能够分段执行，这就是生成器能逐个拿值的原因。
对于生成器函数，函数名+()并不表示函数执行，而是获取一个生成器对象。生成器装的是代码，只有在需要拿值的时候才会执行，这是生成器的惰性机制。
1、通过__next__访问生成器
# def gen():
# print("娃哈哈")
# yield '爽歪歪'
# print("酸酸乳")
# yield 'AD钙奶'
# print('黄焖鸡米饭')
#
# ret = gen() #获取生成器对象，生成器装的是代码，要的时候运行一段
# print(ret) #<generator object gen at 0x0000000001E12F10> 生成器 generator
# print(ret.__next__()) #调用__next__才会执行，返回爽歪歪
# print(ret.__next__()) #调用__next__才会执行，返回Ad钙奶
#print(ret.__next__()) #StopIteration 迭代器，就找yield,找不到就会报错 往下运行，打印出了“黄焖鸡米饭”，但是找不到yield，所以报错
__next__()
2、通过send()访问生成器
send()可以取值的同时给上一个yield位置传值
def func():
print("水饺")
a = yield "大馅水饺"
print("a=", a)
print("烧饼")
b = yield "武大郎烧饼"
print("b=", b)
print("老婆饼")
c = yield "只要老婆不要饼"
print("c =",c) g = func()
print("返回值是：",g.__next__())
print("返回值是：",g.send("面条"))
print("返回值是：",g.send("面条"))
#print("返回值是：",g.send("面条")) #c = 面条 报错 StopIteration #结果
水饺
返回值是： 大馅水饺
a= 面条
烧饼
返回值是： 武大郎烧饼
b= 面条
老婆饼
返回值是： 只要老婆不要饼
send()
send和__next__的区别：
send()和__next__都可以让生成器向下走一段，但send可以给上一个yield位置传值，使用时不能在第一次，也不能给最后一个yield传值
二、推导式
1、列表推导式
语法：[ 结果 for循环 if判断 ]
lst = ["中岛美雪","夏川美里","原由子","汪峰","田震","那英","周杰伦"] l = [name for name in lst if len(name) == 2 ] #这就是列表推导式
print(l)
2、字典推导式
语法：{ key:value for循环 if判断 }
dic ={"张无忌":"赵敏","杨过":"小龙女","郭靖":"黄蓉"}
new_dic = {dic[k]: k for k in dic} #字典推导式
print(new_dic)
new = {v:k for k,v in dic.items()} #字典推导式
print(new)
字典推导式
3、集合推导式
语法：{ 结果 for循环 if判断 }
lst = [1,2,3,1,2,4]
se = {k for k in lst} #这是集合推导式
print(se) # {1,2,3,4}
集合推导式自带去重功能
5、没有元组推导式
6、生成器表达式
语法：( 结果 for循环 if判断 )
names = [['Tom',"Billy","Jefferson","Abdrew","Wesley","Steven","Joe"],['Alice',"Jill","Ana","Wendy",'Jennifer','Sherry','Eva']]
name_gen = (name for el in names for name in el if name.count("e")==2)
print(name_gen.__next__())
print(name_gen.__next__())
print(name_gen.__next__())
结果
#Jefferson
#Wesley
#Steven
生成器表达式
生成器拿值方式：
1、用__next__和send
2、使用for循环
gen = (i for i in range(1,100) if i % 3 == 0)
for num in gen:
print(num)
3、list(g)，g是生成器
gen = (i * i for i in range(100) if i % 3 == 0)
print(list(gen))
结果是一个列表
[0, 9, 36, 81, 144, 225, 324, 441, 576, 729, 900, 1089, 1296, 1521, 1764, 2025, 2304, 2601, 2916, 3249, 3600, 3969, 4356, 4761, 5184, 5625, 6084, 6561, 7056, 7569, 8100, 8649, 9216, 9801]
生成器的特性：
1、节省内存
2、惰性机制 （不到最后使用时不会拿值）
3、拿值只能往前，不能后退
惰性机制+只能往前拿值特性的组合考察（深坑）：
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 #结果
111
222
[]
[]
**小知识 yield from**
yield ffrom 可以直接把可迭代对象中的每一个数据作为生成器的结果进行返回
def gen():
lst = ["花藤", "胡辣汤", "微星牌饼铛", "Mac牌锅铲"]
yield from lst g = gen() #获取生成器
for el in g:
print(el) 等价于：
def gen():
lst = ["花藤", "胡辣汤", "微星牌饼铛", "Mac牌锅铲"]
yield lst[0]
yield lst[0]
yield lst[0]
yield lst[0]
g = gen() #获取生成器
for el in g:
print(el)
yield from
**面试题**
1、
def gen():
lst = ["花藤", "胡辣汤", "微星牌饼铛", "Mac牌锅铲"]
lst2 = ["饼铛还是微星的好", "联想不能煮鸡蛋", "微星就可以", "还可以烙饼"]
yield from lst #yield from 会迭代返回列表中的元素，执行完lst才会执行lst2，所以不会有交替打印的效果
yield from lst2
g = gen()
for el in g:
print(el)
效果:
花藤
胡辣汤
微星牌饼铛
Mac牌锅铲
饼铛还是微星的好
联想不能煮鸡蛋
微星就可以
还可以烙饼
2、
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))
#for循环第一次执行，n= 2时 g变为了 g = add(n,i) for i in (add(n,i) for i in test() 这时没取值，g也就不执行
# for第二次执行，n=10 此时 g= add(n,i) for i in (add(n,i) for i in test() 这时开始取值 ，g执行 结果：
[20, 21, 22, 23]