标签：[] pre pytho 存储空间 算法 obj 结果 生成 列表生成式
1 def f(n): 2 return n**3 3 4 #列表生成式 5 a = [f(x) for x in range(10)] 6 7 print (a) 8 print(type(a)) 9 10 11 12 13 14 15 t = (‘123‘, 8)#元组 16 a, b = t # a=t[0], b=t[1] ，数量必须一致 17 print(a) 18 print(b)
执行结果：
[0, 1, 8, 27, 64, 125, 216, 343, 512, 729] <class ‘list‘> 123 8 Process finished with exit code 0
生成器
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器（Generator）。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
1 s = (x*2 for x in range(5)) #生成器 2 3 print(s) # <generator object <genexpr> at 0x7f510c34a360> 4 5 print(next(s)) # 等价于 s.__next__() 0 6 7 print(next(s)) # 只能按顺序取值 8 9 print(next(s))
执行结果
<generator object <genexpr> at 0x7fc5b2af5360> 0 2 4 Process finished with exit code 0
生成器一共两种创建方式：
1.s = (x*2 for x in range(5))
2. yield
1 def foo(): 2 print(‘ok1‘) # foo()时不会被执行 3 yield 1 4 5 print("ok2") 6 yield 2 7 8 9 g=foo() #生成生成器对象 10 print(g) # foo()成为了生成器对象 <generator object foo at 0x7fc04a8d4360> 11 12 a = next(g) #进入生成器,yield相当于return,执行到yield不会再向下执行 13 14 b = next(g) #到yield 1,再print (‘ok2‘) 15 print(a) 16 print(b) 17 18 19 print("\n") 20 21 for i in foo(): # i 是返回值 １, 2 22 print(i)
执行结果：
<generator object foo at 0x7f8fb17d5360> ok1 ok2 1 2 ok1 1 ok2 2 Process finished with exit code 0
什么是可迭代对象（对象拥有iter方法的）
l = [1, 2, 3] l.__iter__()
send
1 def bar(): 2 print(‘ok‘) 3 count = yield 1 #yield先返回 4 print(count) 5 6 yield 2 7 8 b = bar() 9 10 s = b.send(None) #相当于next(b) 第一次send前如果没有next,只能传一个send(None),并不知道将值传给谁，只能用None 11 print(s) #yield返回值 12 13 ret = b.send(‘eeee‘) #传给count 14 print(ret)
可以断点执行（ｄｅｂｕｇ），了解具体的执行过程，第１０行返回１（yield 1，s为１），第１３行（count = ‘eeee‘)，并且print(count)，yield 2返回2，ret为２。
执行结果：
ok 1 eeee 2 Process finished with exit code 0
标签：[] pre pytho 存储空间 算法 obj 结果 生成 列表生成式
原文地址：https://www.cnblogs.com/112358nizhipeng/p/9497151.html
