Python --生成器、生成器表达式与相关数据类型推导式
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Python --生成器、生成器表达式与相关数据类型推导式,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含4272字,纯文字阅读大概需要7分钟。
内容图文
![Python --生成器、生成器表达式与相关数据类型推导式](/upload/InfoBanner/zyjiaocheng/807/53b2c68055864b40ade6ceceab341ad4.jpg)
主要内容:
1、生成器和生成器表达式
2、列表推导式
一、生成器
- 生成器实质就是迭代器,在python中有三种方式来获取生成器
- 通过生成器函数
- 通过各种推导式来实现生成器
- 通过数据转换也可以获取生成器
首先我们看下一个简单的函数:
def func():
print(1)
return 2
ret = func()
print(ret)
结果:
1
2
然后将return 替换成yield,yield就是生成器
def func():
print(1)
yield 2
ret = func()
print(ret)
结果:
<generator object func at 0x0000000002236CF0>
替换成yield之后,运行的结果就大不相同,因为函数中存在yield,那么这个函数就是一个生成器函数,这个时候我们再执行这个函数,那就不是简单的函数执行了,而且获取这个生成器,使用方法就是采用 next()来执行生成器。
- 例:
def func():
print(1)
yield 2
ret = func() #这个时候函数不会执行,而是获取生成器
s = ret.__next__() #这个时候函数才会执行,yield的作用和return一样,也返回数据
print(s)
结果:
1
2
- return和yield的效果一样,但yield可以分段来执行一个函数,return则是直接终止了函数的执行
def func():
print(1)
yield 11
print(2)
yield 22
print(3)
yield 33
ret = func() #这个时候函数不会执行,而是获取生成器
s = ret.__next__()
print(s)
s1 = ret.__next__()
print(s1)
s2 = ret.__next__()
print(s2)
s3 = ret.__next__() #报错:StopIteration
print(s3)
结果:
1
11
2
22
3
33
StopIteration
当程序执行完最后一个yield,那么继续执行__next__()程序将会报错
- 生成器有什么作用呢,我需要分配一万个token,有二种方式:
- 使用for循环一次性生成出来
def token(): lst = [] for i in range(0,10000): lst.append('token'+str(i)) return lst t = token()
- 那么问题来了,目前token需要量没那么多,但一次性分配那么多出来,造成浪费。采取yield生成器来编写
def token(): for i in range(0,10000): yield 'token'+str(i) t = token() print(t.__next__()) print(t.__next__()) print(t.__next__())
- 区别:
- 第一种是使用for循环,直接一次性全部拿出来,会很占内存。
- 第二种使用生成器,一次就拿一个,需要多少生成多少,生成器是一个一个指下去的,__ next__()到哪,指针就指到哪,下一次继续获取指针指向的值
接下来我们了解下send()方法,send()和__next__()一样,都可以让生成器执行到下一个yield
def func():
print(1)
a = yield 11
print(a)
b = yield 22
print(b)
c = yield 33
print(c)
yield 'o'
f = func() #获取生成器
f1 = f.__next__()
print(f1)
f2 = f.send('111')
print(f2)
f3 = f.send('222')
print(f3)
f4 = f.send('444')
print(f4)
- send()和__next__()的区别:
- send()和__next__()都是让生成器向下执行一次
- send()可以给上一个yield的位置传递值,但不能给最后一个yield传值 和 第一次执行生成器的时候不能使用send()
生成器可以使用for循环来循环获取内部的元素:
def func():
print(111)
yield 222
print(333)
yield 444
print(555)
yield 666
gen = func()
for i in gen:
print(i)
二、列表推导式
首先可以先看下这个代码:
lst = []
for i in range(1,10):
lst.append(i)
print(lst)
转换成列表推导式后:
lst = [i for i in range(1,10)]
print(lst)
- 列表推导式是通过一行代码来构建我们想要的列表,列表推导式看起来代码简单,但如果出现错误之后很难进行排查
- 列表推导式的常用写法:
- [结果 for 变量 in 可迭代对象]
- 我们还可以对列表中的数据进行筛选
- 筛选写法:[结果 for 变量 in 可迭代对象 if 条件]
lst = [i for i in range(1,10) if i%2==0 ]
print(lst)
生成器表达式和列表推导式的语法基本上是一样的. 只是把[]替换成()
lst =(i for i in range(1,10))
print(lst)
打印结果就是一个生成器:<generator object <genexpr> at 0x00000000025E6CF0>
我们可以使用for循环来循环这个生成器:
lst =(i for i in range(1,10))
for i in lst:
print(i)
生成器表达式也可以进行筛选:
lst =(i for i in range(1,10) if i%2==0)
for i in lst:
print(i)
- 生成器表达式和列表推导式的区别:
- 列表推导式比较耗内存,一次性加载,生成器表达式几乎不占用内存,使用的时候才会分配和使用内存
- 得到的值不一样,列表推导式得到的是一个列表,生成器表达式得到的是一个生成器
需要注意的深坑==> 生成器,要值得时候才拿值。
字典推导式:
- 根据名字应该也能猜到,推导出来的是字典
# 把字典中的key和value互换
dic = {'a': 1, 'b': '2'}
new_dic = {dic[key]: key for key in dic}
print(new_dic)
# 在以下list中. 从lst1中获取的数据和lst2中相对应的位置的数据组成一个新字典
lst1 = ['a', 'b', 'c']
lst2 = ['1', '2', '3']
dic = {lst1[i]: lst2[i] for i in range(len(lst1))}
print(dic)
结果:
{'2': 'b', 1: 'a'}
{'a': '1', 'b': '2', 'c': '3'}
集合推导式:
- 集合推导式可以帮我们直接生成一个集合, 集合的特点: 无序, 不重复. 所以集合推导式自带去重功能
lst = [1, -1, 8, -8, 12]
# 绝对值去重
s = {abs(i) for i in lst}
print(s)
- 总结: 推导式有, 列表推导式, 字典推导式, 集合推导式, 没有元组推导式
- 生成器表达式: (结果 for 变量量 in 可迭代对象 if 条件筛选)
- 生成器表达式可以直接获取到生成器对象. 生成器对象可以直接进行for循环. 生成器具有惰性机制.
内容总结
以上是互联网集市为您收集整理的Python --生成器、生成器表达式与相关数据类型推导式全部内容,希望文章能够帮你解决Python --生成器、生成器表达式与相关数据类型推导式所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。