
一.生成器
生成器的本质就是迭代器 一个一个的创建对象
1.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
3.类型转换
2.优点
节省内存 ,生成器本身就是代码,几乎不占用内存
3.特点
惰性机制,只能向前,不能反复
二.生成器函数
函数中包含了yield 这个函数就是生成器函数
def func():
print("你叫xxx?")
yield "alex"
print("真的?")
yield "真的"
print("Are you sure?")
yield "那叫我屌丝把"
ret = func() # 拿到的是ret生成器 只是产生一个生成器并不是运行
print(ret) # 只能是打印 生成器的地址 print(ret.__next__()) # 生成器就是迭代器,用next一个一个拿
print(ret.__next__())
print(ret.__next__())
print(ret.__next__()) # 没有下一个了就会出现 StopIteration 错误
1.yield
1.yield和return差不多 yield是分段执行一个函数
return是立即结束这个函数的执行
2.生成器在执行的时候返回生成器,而不是执行执行此函数
2.能向下执行的两个条件
1.__next__ 执行到下一个yield
2.send() 执行到下一个yield,给上一个yield位置传值.在第一次执行生成器的时候不能用send(),最后一个yield也不会传值
def fn():
print("韭菜盒子")
a = yield "西红柿炒番茄"
print("a",a)
b = yield "西红柿炒鸡蛋"
print("b",b)
c = yield "番茄炒鸡蛋"
print("c",c)
yield "火烧" gen = fn()
# send()可以给上一个yield位置传参
print(gen.__next__())
print(gen.send("番茄"))
print(gen.send("西红柿"))
print(gen.send("鸡蛋"))
3.获取生成器数据
1.所有生成器都是迭代器都可以使用for循环
2.都可以使用list()函数来获取生成器内所有的数据
4.生成器的记录
生成器中记录的是代码而不是函数的运行
当执行到__next__() 运行此空间中的代码,运行到yield结束
def func():
print("我的天哪 ")
yield "宝宝"
gen = func() # 创建生成器. 此时运行会把生成器函数中的代码记录在内存
三.推导式
1.列表推导式 [结果 for循环 if]
lst = [ i**2 for i in range(1,101) if i % 2 == 0]
print(lst)
2.字典推导式 {结果(k:v) for循环 if}
把字典的键值互换
dic = {"主食": "炒面", "副食": "小拌菜", "汤":"疙瘩汤"}
dic1 = { v:k for k,v in dic.items()}
print(dic1)
3.集合推导式 {结果(k) for循环 if}
四.生成器表达式
(结果 for循环 if)
g = (i for i in range(10)) #一次性生成器表达式 print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__()) # 用完就没了 想再次用必须再写一次表达式
五.yield from
def func():
lst = ["衣服%s" %i for i in range(500)]
yield from lst # 可以把一个可迭代对象分别进行yield返回 lst1 = ["python%s期" %i for i in range(1,19)]
yield from lst1 # 只有上面的yield next完才能轮到第二个
g = func()
print(g.__next__())
print(g.__next__())