生成器
生成器
生成器的本质就是迭代器
生成器的表现形式
生成器函数
生成器函数 —— 本质上就是我们自己写得函数
生成器表达式
生成器函数：
含有 yield 关键字的函数就是生成器函数
特点：
调用函数的之后函数不执行，返回一个生成器
每次调用 next 方法的时候会取到一个值
直到取完最后一个，在执行 next 会报错
从生成器中取值的几个方法
1、next
2、for
3、数据类型的强制转换：占用内存 print(list(g))
生成器函数
我们先来看下普通函数
def generator():
print(1)
return 'a'
ret = generator()
print(ret)
接着来看生成器函数
#只要含有yield关键字的函数都是生成器函数
# yield 不能和 return 共用且需要写在函数内
def generator():
print(1)
yield 'a'
#生成器函数：在执行之后会得到一个生成器作为返回值
ret = generator() #此处的 ret 是一个生成器而不是值了
print(ret) #此处在同过原来的调用方法调用的是内存地址
print(ret.__next__()) #通过 .__next__() 来调用函数的输出内容
下面来看一个生成器函数的例子
#在取值时 会取到第一个 yield 时停止，然后等待下一次取值的动作开始，继续取值到下一个 yield
def generator():
print(1)
yield 'a'
print(2)
yield 'b'
print(3)
yield 'c'
g = generator() ret = g.__next__() #单独执行第一次时：1 a
print(ret)
ret = g.__next__() #即：可以控制执行的位置
print(ret)
ret = g.__next__()
print(ret) for i in g: #使用 for 循环也同样可以
print(i) #但 for 循环不可以控制执行位置
写一个函数 制造 200w 个娃哈哈
ef wahaha(*args):
for i in range(2000000):
yield "娃哈哈%s"%i
ret = wahaha(1000) #调用
#for i in ret:
# print(i) #调用前 50 个
count=0
for i in ret:
print(i)
count+=1
if count > 50:
break
print(ret.__next__()) #这里一起执行会接着 for 循环调用 ret ，返回第 51个
监听文件输入的例子
#当检查到文件中有输入含有 python 字符时就会在屏幕上打印
def tail(filename):
f = open(filename,encoding='utf-8') #文件句柄
while True:
line = f.readline()
if line.strip():
yield line.strip() ret = tail('D:/py/log/test.txt')
for i in ret:
if 'python' in i:
print('***',i)
生成器函数进阶
关键字 send 的使用
#send 获取下一个值的效果和 next 基本一致
#只是在获取下一个值的时候，给上一 yield 的位置传递一个数据
#使用 send 的注意事项
# 使用生成器取第一个值的时候 必须用 next 来取值
# 最后一个 yield 不能接受外部的值 def generator():
print(123)
content = yield 1
print('=====',content)
print(456)
yield 2 g = generator()
ret = g.__next__()
print('***',ret)
ret = g.send('hello') #向函数 content 的位置传值
print('***',ret)
获取移动平均值（每次输入一个值都会计算出一个平均值）
10 20 30 10
10 15 20 17.5
avg = sum/count
def average():
sum = 0
count = 0
avg = 0
while True:
num = yield avg
sum +=num
count += 1
avg = sum/count avg = average()
avgs = avg.__next__()
avgs = avg.send(10)
avgs = avg.send(30)
avgs = avg.send(60)
avgs = avg.send(60)
print(avgs)
预激生成器的装饰器
获取移动平均值进阶与装饰器的使用
#装饰器的作用就是在用户使用时，少写一句 ret = g.__next__() 方便操作
def init(func):
def inner(*args,**kwargs):
ret = func(*args,**kwargs)
ret.__next__()
return ret
return inner @init
def average():
sum =0
count = 0
avg = 0
while True:
num = yield avg
sum += num
count += 1
avg=sum/count avg = average()
ret = avg.send(10)
ret = avg.send(20)
ret = avg.send(60)
print(ret)
ret = avg.send(20)
ret = avg.send(20)
print(ret)
from 关键字的使用
#先来看一个 for 循环的例子，取出字符串中所有的单个字符
def generator():
a = 'abcde'
b = ''
for i in a:
yield i
for i in b:
yield i
g = generator()
for i in g:
print(i) #使用 from 关键字取出
def generator():
a = 'abcde'
b = ''
yield from a
yield from b g = generator()
for i in g:
print(i)
生成器的表达式
来看简单的生成器表达式的例子
g = (i for i in range(10))
ret = g.__next__()
print(ret) for i in g:
print(i) 老母鸡=('鸡蛋%s'%i for i in range(10)) #生成器表达式
print(老母鸡)
for 蛋 in 老母鸡:
print(蛋) g = (i*i for i in range(10))
g.__next__()
for i in g:
print(i) '''
生成器表达式与列表推导式的区别
1、括号不一样（列表为：[],生成器为：()）
2、返回的值不一样 === 几乎不占用内存
'''
各种推导式
包括：生成器 列表 字典 集合
生成器表达式与列表表达式语法一样 换个括号基本就 ok
作用：遍历操作、筛选操作
[每一个元素或者是和元素相关的操作 for 元素 in 可迭代数据类型] —— 遍历之后挨个处理
[满足条件的元素相关的操作 for 元素 in 可迭代数据类型 if 元素相关的条件] —— 筛选功能
列表推导式例子
# 30以内所有能被3整除的数
ret = [i for i in range(30) if i%3 == 0]
print(ret) # 30以内所有能被3整除的数的平方
g = [i*i for i in range(30) if i%3 ==0]
print(g) ''' # 找到嵌套列表中名字含有两个‘e’的所有名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
e = [name for lis in names for name in lis if name.count('e') == 2]
print(e)
字典推导式例子
#例一：将一个字典的key和value对调 效果：{10:'a' , 34:'b'}
mcase = {'a': 10, 'b': 34}
mcase_frequency = {mcase[k]: k for k in mcase}
print(mcase_frequency)
# 例二：合并大小写对应的value值，将k统一成小写,效果：{'a':10+7,'b':34,'z':3}
mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase}
print(mcase_frequency)
集合推导式
#集合推导式，自带结果去重功能
squared = {x**2 for x in [1, -1, 2]}
print(squared)