十三. Python基础(13)--生成器进阶
1 ● send()方法
2 ● send()函数的简单案例
def fun(): print('*') value = yield 1 print('**', value) yield 2
g = fun() print(g.__next__()) # print(g.__next__()) # ** None print(g.send("aaa")) # ** aaa # print(g.send("bbb")) # 警示"StopIteration"异常, 因为此时"bbb"没有可以用来赋值的的yield表达式 ''' * 1 ** aaa 2 ''' |
# send()和__next__()工作的起始位置是完全相同的 # send()可以把一个值作为信号量(semaphore)传到函数中去 # 在生成器执行伊始, 只能先用__next__()或send(None), 因为用send()传递非None参数的时候,在生成器中必须有一个未被赋值的yield表达式 # __next_()方法以及send()方法的数量 不同多于 yield表达式的数量, 否则警示异常StopIteration. |
3 ● 计算累计平均数
def wrapper(func): # 这个装饰器中只做一件事:g.__next__; 或者next(g), 也就是激活生成器(next是内置函数) def inner(*args, **kwargs): g = func(*args, **kwargs) # 最好不要跟外面的创建的gen生成器重名 g.__next__() # 也可以是g.send(None), 用来激活生成器 return g return inner
@wrapper def average_func(): total = 0 count = 0 average = 0 while True: # 这个while True可以让使用者一直使用send方法, 也就是调用这个函数的可生成一个取之不尽用之不竭的生成器, 注意这里不会造成死循环 value = yield average total += value count += 1 average = total/count
gen = average_func() print(gen.send(30)) print(gen.send(50)) print(gen.send(10)) |
''' 30.0 40.0 30.0 ''' |
4 ● 列表推导式/字典推导式/集合推导式(没有元组推导式)
列表推导式: for i in range(0, 21, 2) |
字典推导式: 案例①: dic = {'k1':'v1', 'k2':'v2'} print({dic[key]: key # {'v1': 'k1', 'v2': 'k2'}
案例②: dic = {'a': 10, 'b': 34, 'A': 7, 'Z': 3} dic_new = {k.lower(): dic.get(k.lower(), 0) + dic.get(k.upper(), 0) print(dic_new) # {'a': 17, 'b': 34, 'z': 3} |
集合推导式: (自带去重的功能) print({i**2 for i in [1, -1, 2]}) # {1, 4} |
5 ● 生成器表达式
把列表解析的[]换成()得到的就是生成器表达式. |
gen_list = (i**2 for i in range(0, 21, 2) if i < 11) for i in gen_list: print(i) ''' 0 4 16 36 64 100 ''' |
dic = {'k1':'v1', 'k2':'v2'} gen_a = (key for key in dic) gen_b = (key for key in dic.items()) for i in gen_a: print(i) for i in gen_b: print(i) ''' k1 k2 ('k1', 'v1') ('k2', 'v2') ''' |
gen_col = (i**2 for i in {1, -1, 2}) for i in gen_col: print(i) ''' 1 4 1 ''' |
6 ● 面试题1
def demo(): for i in range(4): yield i
g=demo()
g1=(i for i in g) g2=(i for i in g1)
print(list(g1)) # [0, 1, 2, 3] print(list(g2)) # [] |
7 ● 面试题2
def add(n,i): return n+i
def test(): for i in range(4): yield i
g=test() for n in [1,10]: g=(add(n,i) for i in g) # 生成器推导式 print(list(g))
# [1, 2, 3, 4] # []注意这一步是没有数跟10相加, 因此为空. |
def add(n,i): return n+i
def test(): for i in range(4): yield i
g=test() for n in [1,10]: g=(add(n,i) for i in g)
print(list(g))
''' ① 上面的三个g是三个不同的迭代器 ② 上面一段相当于: n = 1 g=(add(1,i) for i in range(4)) # 1+0+1+2+3=7 # 生成器中的数据没有被获取, 因为生成器只有在被调用的时候才会生成相应的数据(用__next__()、 for、list调用, 或被其它函数调用), 反之就不会生成--惰性运算. n = 10 g=(add(n,i) for i in g) print(list(g)) '''
# [20, 21, 22, 23] |
如果这里是: n=1 g=(add(n,i) for i in g) # 生成器推导式 n=10 g=(add(n,i) for i in g) n=5 g=(add(n,i) for i in g) print(list(g))
那么相当于运行: for n in [1,10,5]: g=(add(n,i) for i in g) # 生成器推导式 print(list(g))
即: n=1 g = (add(n,i) for i in g) n=10 g = (add(n,i) for i in (add(n,i) for i in g)) n=5 g = (add(5,i) for i in add(n,i) for i in (add(n,i) for i in g))
# [15, 16, 17, 18] |