标签：表达式 mes oldboy pen list user object print 去重
主要内容:
1. 生成器和生成器函数
(1) 什么是生成器---- 生成器实质就是迭代器
def func():
lst = []
for i in range(10000):
lst.append("衣服%s" % i)
return lst
lst = func()
print(lst)
def func():
lst = []
for i in range(10000):
lst.append("衣服%s" % i)
yield lst
lst = func()
print(lst) # <generator object func at 0x00000248A1A90D00>
由于函数中存在了yield. 那么这个函数就是?个生成器函数. 这个时候. 我们再执行这个函数的时候. 就不再是函数的执行了. 而是获取这个生成器.生成器的本质是迭代器. 所以. 我们可以直接执行__next__()来执行生成器.
def func():
for i in range(1, 10000):
yield "衣服%s" % i
gener = func() # 这个时候函数不会执行. 而是获取到生成器
ret = gener.__next__() # 这个时候函数才会执行. yield的作用和return?一样. 也是返回
print(ret) #衣服1
直接?次性全部拿出来会很占用内存可以使用生成器: ?次就?个用多少生成多少,生成器是?个?个的指向下?个,不会回去, __next__()到哪, 指针就指到哪儿. 下?次继续获取指针指向的值.
def func():
lst = []
for i in range(1,10000):
lst.append("衣服%s" % i)
if i % 50==0:
yield lst
lst=[]
gen = func()
yf1=gen.__next__()
print(yf1)
yf2=gen.__next__()
print(yf2)
def func():
for i in range(1, 10000):
yield "衣服%s" % i
gen = func()
for i in range(50):
yf = gen.__next__()
print(yf)
for i in range(50):
yf = gen.__next__()
print(yf)
上面的两种方式可以实现分段去取
(2)return 和yield
def func():
print("111")
yield 222
print("333")
yield 444
gener = func()
ret = gener.__next__()
print(ret)
ret2 = gener.__next__()
print(ret2)
ret3 = gener.__next__() # 最后?个yield执行完毕.再次__next__()程序报错,也就是说.和return?无关了了.
print(ret3)
# 结果:
# 111
# Traceback (most recent call last):
# 222
# 333 File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in <module>
# 444
ret3 = gener.__next__() # 最后?一个yield执?行行完毕. 再次__next__()程序报错,
也 就是说. 和return?无关了. StopIteration
yield是分段来执行?个函数. return是直接停止执行函数.
(3) send 方法 send和__next__()一样都可以让生成器执行到下一个yield.
def eat():
print("我吃什什么啊")
a = yield "馒头"
print("a=",a)
b = yield "?大饼"
print("b=",b)
c = yield "?菜盒?"
print("c=",c)
yield "GAME OVER"
gen = eat() # 获取生成器
ret1 = gen.__next__()
print(ret1) #我吃什什么啊 馒头
ret2 = gen.send("胡辣汤")
print(ret2) #a= 胡辣汤 ?大饼
ret3 = gen.send("狗粮")
print(ret3) #b= 狗粮 ?菜盒?
ret4 = gen.send("猫粮")
print(ret4) #c= 猫粮 GAME OVER
send和__next__()区别:
(4)生成器可以使用for循环来循环获取内部的元素:
def func():
yield "麻花藤"
yield "李彦宏"
yield "马云"
yield "刘强东"
gen = func()
print("__iter__" in dir(gen)) # 生成器的本质是迭代器. True
# for el in gen: # 生成器可以直接使用for循环
# print(el)
lst = list(gen) # 把生成器中的每一个数据拿出来组合成一个列表
print(lst) #[‘麻花藤‘, ‘李彦宏‘, ‘马云‘, ‘刘强东‘]
2. 推导式
(1) 列表推导式 [结果 for循环 if筛选]
# 获取1-100内能被3整除的数 lst = [i for i in range(1, 101) if i % 3 == 0] print(lst) # 100以内能被3整除的数的平? lst = [i*i for i in range(1, 101) if i % 3 == 0] print(lst)
# 寻找名字中带有两个e的?的名字
names = [[‘Tom‘, ‘Billy‘, ‘Jefferson‘, ‘Andrew‘, ‘Wesley‘, ‘Steven‘,‘Joe‘],
[‘Alice‘, ‘Jill‘, ‘Ana‘, ‘Wendy‘, ‘Jennifer‘, ‘Sherry‘, ‘Eva‘]]
lst = [name for first in names for name in first if name.count("e") >= 2 ]
print(lst)
列表推导式:一次性把所有数据创建出来,容易产生内存浪费
(2)字典推导式 {key: value for循环 if 筛选}
dic = {"张无忌":"九阳神功", "乔峰":"降龙十八掌", "楚留香":"帅"}
d = {dic[k]: k for k in dic}
print(d)
lst1 = ["东北", "陕西", "山西", "开封", "杭州", "广东", "济南"]
lst2 = [‘大拉皮‘, "油泼面", "老陈醋", "灌汤包", "西湖鲤鱼", "早茶", "胶东一锅鲜"]
dic = {lst1[i]:lst2[i] for i in range(len(lst1))}
print(dic)
(4)集合推导式
lst = ["2","4","5","3","4","4","2","3"]
s = {el for el in lst}
print(s) #起到去重的作用
(5)生成器表达式
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()
gen = (i for i in range(10)) # generator
生成器表达式只是记录一下代码。 然后每次需要的时候去生成器中执行一次这个代码
标签：表达式 mes oldboy pen list user object print 去重
原文地址：https://www.cnblogs.com/avit/p/10209824.html
