标签：生成 查找 pre end 就是 style 包括 表示 改变
---恢复内容开始---
a = [i+1 for i in range(10)] print(a) #结果[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
上面就是一个列表生成器
不足：对于数据多的不适用因为太占内存了
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
创建generator两种方式：
a = (i+1 for i in range(10)) print(a)#<generator object <genexpr> at 0x0000000000A777D8> a是一个生成器对象 print(next(a))#对a进行访问 print(next(a)) print(next(a)) print(next(a))
#结果 1 2 3 4
for i in a:#a为生成器对象是可迭代的
print(i)
#结果1 2 3 4 5 6 7 8 9 10
def bar(): print(‘ok1‘) count = yield 1 print(count) print(‘ok2‘) yield 2 print(‘ok3‘) yield 3 f = bar() f.send(None)#等价于next(f) f.send(‘eeee‘)#改变yield前面的一个变量前提必须先进行f.send(None)来进行查找变量
可以直接作用于for循环的数据类型有以下几种：
一类是集合数据类型，如list、tuple、dict、set、str等；
一类是generator，包括生成器和带yield的generator function。
这些可以直接作用于for循环的对象统称为可迭代对象：Iterable。
可以使用isinstance()判断一个对象是否是Iterable对象：
from collections import Iterable def bar(): print(‘ok1‘) count = yield 1 print(count) print(‘ok2‘) yield 2 print(‘ok3‘) yield 3 f = bar() print(isinstance(f,Iterable))#True是对应的数据类型反之不是
小结：
凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
from collections import Iterable,Iterator l = [1,2,4] l = iter(l) print(type(l)) print(isinstance(l,Iterator)) print(isinstance(l,Iterable)) print(isinstance(l,list))
标签：生成 查找 pre end 就是 style 包括 表示 改变
原文地址：https://www.cnblogs.com/bobo0821/p/9765688.html
