标签：电脑 print 保留 控制 结果 不能 实现 正式 ping
生成器可以理解成是一种数据类型，特殊地是生成器可以自动实现迭代器协议
其他的数据类型需要调用自己内置的__iter__方法
所以换种说法，生成器就是可迭代对象
！回忆：很重要的迭代器协议
对象必须提供一个 next 方法，执行该方法要么返回迭代中的下一项，
要么就引起一个Stoplteration异常，以终止迭代（只能往后走不能往前退）
python中生成器的表现形式
python中提供生成器的方式
一类是生成器函数；另一类是生成器表达式
#举例： def test (): yield 1 g = test() #并不会执行test（）函数，需要通过 g.__next__()方法来触发生成器函数执行 print(g) print(g.__next__()) #执行结果 <generator object test at 0x0051AA70> 1
在说生成器表达式之前，补充三元表达式和列表解析
以前我们是这么写程序的：
name = ‘alex‘ if name == ‘alex‘: print(‘Ok‘) else: print(‘Not ok‘)
利用三元表达式我们是这么写程序的：
name = ‘alex‘ res = ‘Ok‘ if name == ‘alex‘ else ‘Not ok‘ #三元表达式 print(res) #执行结果 Ok
（每一圈为一个元）
列表解析式的语法格式为：
举例理解：
#我要通过程序下10个鸡蛋
#以前我是这么写的
egg_list = [] for i in range(10): egg_list.append(‘鸡蛋%s‘ %i) print(egg_list) #执行结果 [‘鸡蛋0‘, ‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘, ‘鸡蛋5‘, ‘鸡蛋6‘, ‘鸡蛋7‘, ‘鸡蛋8‘, ‘鸡蛋9‘]
#通过列表解析式我是这么写程序的
l0 = [ ‘鸡蛋%s‘ %i for i in range(10) ] print(l0) #执行结果 [‘鸡蛋0‘, ‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘, ‘鸡蛋5‘, ‘鸡蛋6‘, ‘鸡蛋7‘, ‘鸡蛋8‘, ‘鸡蛋9‘] l1 = [ ‘鸡蛋%s‘ %i for i in range(10) if i < 5 ] print(l1) #执行结果 [‘鸡蛋0‘, ‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘] l2 = [ ‘鸡蛋%s‘ %i for i in range(10) if i < 3 or i > 7] print(l2) #执行结果 [‘鸡蛋0‘, ‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋8‘, ‘鸡蛋9‘]
总结：列表解析式优缺点
优点：取值方便（如果列表的长度较小时使用列表解析会很方便，）
缺点：如果列表的长度很大的时候，使用列表解析会占用很多的内存资源，此时可以使用生成器表达式来节省内存资源
生成器表达式：（就是将列表解析式的中括号变成圆括号）
#举例： l0 = (‘鸡蛋%s‘ %i for i in range(10)) print(l0) print(l0.__next__()) print(l0.__next__()) print(l0.__next__()) #执行结果 <generator object <genexpr> at 0x0045AA70> 鸡蛋0 鸡蛋1 鸡蛋2
小结：
1.将列表解析式的 [] 换成 () 得到的就是生成器表达式
2.列表解析式与生成器表达式都是一种便利的编程方式，只不过生成器表达式更节省内存
3.python使用迭代器协议让 for 循环变得更加通用。大部分内置函数也是使用迭代器协议来访问对象的
举例：
sum 函数
sum(x ** 2 for x in range(4)) #sum 直接按照迭代器协议访问对象（类比for循环）
sum([x ** 2 for x in range(4)]) #所以并不需要将对象 x ** 2 for x in rang(4) 加上一个中括号变成列表解析式，将所有的值取出来构成一个列表再进行求和运算
#今天所举得列子不是下蛋就是吃包子（视频课上老师就是这么讲的）
#我也深深的怀疑
#为什么老师这么钟爱吃包子和下鸡蛋
#下蛋程序一： def xiadan(): res = [] for i in range(10000): res.append(‘鸡蛋%s‘ %i) return res print(xiadan()) #缺点一：占用空间较大 #缺点二：效率低
#下蛋程序二： def xiadan(): for i in range(10000): yield ‘鸡蛋%s‘ %i lmj = xiadan() print(lmj.__next__())
#第一段程序是一旦执行 xiadan()这个函数，先下了10000个鸡蛋来占用内存空间，在去执行其他操作 #第二段程序是通过生成器函数yield来返回我所需要的鸡蛋，我边用（通过__next__() 触发生成器函数）鸡蛋，边下鸡蛋
以生成器函数为例，对生成器进行总结
差别在于生成器使用yield语句进行返回一个值，而常规函数使用return语句返回一个值
由于生成器自动实现了迭代器协议，所以我们可以直接调用它的next方法，并且在没有值可以返回的时候生成器自动生成Stoplteration异常
优点一：
生成器的好处就是延迟计算，一次返回一个结果。也就是说它不会一次生成所有的结果，这对于大数据量
处理非常有用（前面下鸡蛋的例子）
优点二：
生成器还能提高代码可读性
1.使用生成器以后，代码行数更少（在保证代码可读性的前提下，代码行数越少越好）
2.不适用生成器，对于每次结果，我们首先看到的是result.append(index),其次才是index
也就是说，我们每次看到的，是一个列表的append操作，只是append的是我们想要的结果。
使用生成器的时候，直接yield index，少了列表的append操作的干扰，我们一眼能够看出，代码是要进行什么操作。
#举例： def xiadan(): for i in range(10000): yield ‘鸡蛋%s‘ %i g = xiadan() print(g.__next__()) print(next(g)) print(g.send(None)) #执行结果 鸡蛋0 鸡蛋1 鸡蛋2
关于 send() 总结来源于一下文章并且结合自己的理解
看到一篇关于 yield 总结特别好的文章
链接：https://www.cnblogs.com/renpingsheng/p/8635777.html
send()必须传一个参数，可为 None 或者 其他值
作用：
1. yield相当于return ，控制的是函数的返回值
2. x = yield的另外一个特性，接受send传过来的值，赋值给 x
举例理解： def test(): print(‘开始执行函数‘) first = yield print(‘第一次‘, first) second = yield print(‘第二次‘, second) yield g = test() print(next(g)) print(g.send(1)) print(g.send(2))
#程序执行过程分析 # 1.程序开始执行以后，因为test函数中有yield关键字，所以test函数并不会真的执行，而是先得到一个生成器g. # 2.直到调用next方法，test函数正式开始执行，先执行test函数中的print方法，打印开始执行函数。然后执行first = yield # 3.程序遇到yield关键字，程序暂停，此时next(g)语句执行完成，打印next(g)执行结果，即yield传回的结果，为None # 4.程序执行g.send(1)，程序会从yield关键字那一行继续向下运行，send会把1这个值传递给yield # 5.yield接收到send方法传递过来的值，然后由yield赋值给first变量 # 6.由于send方法中包含next()方法，所以程序会继续向下运行执行print方法，然后再次遇到yield关键字，程序暂停，此时g.send(1)语句执行完成，打印g.send(1)执行结果，即yield传回的结果，为None # 7.程序执行g.send(2)，程序会从yield关键字那一行继续向下运行，send会把2这个值传递给yield # 8.yield接收到send方法传递过来的值，然后由yield赋值给second变量 # 9.由于send方法中包含next()方法，所以程序会继续向下运行执行print方法，然后再次遇到yield关键字，程序暂停，此时g.send(2)语句执行完成，打印g.send(2)执行结果，即yield传回的结果，为None
写在后面：
珍爱眼睛 远离电子产品
从上了研究生阶段 眼睛就开始有虹膜炎
隔段时间就来打扰我
不能看电脑不能看手机不能看强光
还拼命流眼泪
我也真是佩服自己
正好这个阶段我就在看书学python 也抽时间看了 许三观卖血记
文学素养还是要培养的
我要做祖国新时代的四有新人 有文化 有道德 有。。。还有什么来着
哈哈
爱吃火锅的人运气不会太差
爱吃火锅的人怎么可能轻易放弃
标签：电脑 print 保留 控制 结果 不能 实现 正式 ping
原文地址：https://www.cnblogs.com/guoruxin/p/10067741.html
