一、推導式
1.1 列表推導式
語法:[最終結果(變量) for 變量 in 可迭代對象]
1 lst = [x for x in range(1, 15 )] 2 print (lst) 3 4 5 # 獲取1-100以內能被3整除的數 6 lst = [i for i in range(100) if i % 3 == 0] 7 8 # 獲取1-100以內能被3整除的數的平方 9 lst = [i*i for i in range(100) if i % 3 == 0]
1.2 字典推導式
1 dic = { " a " : " b " , " c " : " d " } 2 # 把字典中的key,value互換,{"b":"a", "d":"c"} 3 new_dic = {dic[key]: key for key in dic} 4 print (new_dic) 5 6 7 lst1 = [ " alex " , " wusir " , " taibai " , " ritian " ] 8 lst2 = [ " sb " , " 很色 " , " 很白 " , " 很牛 " ] 9 # 組成一個字典 10 new_dic = {lst1[i]:lst2[i] for i in range(len(lst1))} 11 print (new_dic)
1.3 集合推導式
1 lst = [ " 馬化騰 " , " 王建忠 " , " 張建忠 " , " 張雪峰 " , " 張雪峰 " , " 張雪峰 " ] 2 s = {i for i in lst} 3 print (s)
二、生成器
利用迭代器,我們可以在每次迭代獲取數據(通過next()方法)時按照特定的規律進行生成。但是我們在實現一個迭代器時,關于當前迭代到的狀態需要我們自己記錄,進而才能根據當前狀態生成下一個數據。為了達到記錄當前狀態,并配合next()函數進行迭代使用,我們可以采用更簡便的語法,即生成器(generator)。生成器是一類特殊的迭代器。
2.1?創建生成器的方法1(生成器表達式)
In [15]: L = [ x*2 for x in range(5 )] In [ 16 ]: L Out[ 16]: [0, 2, 4, 6, 8 ] In [ 17]: G = ( x*2 for x in range(5 )) In [ 18 ]: G Out[ 18]:at 0x7f626c132db0> In [ 19]:
創建 L 和 G 的區別僅在于最外層的 [ ] 和 ( ) , L 是一個列表,而 G 是一個生成器。我們可以直接打印出列表L的每一個元素,而對于生成器G,我們可以按照迭代器的使用方法來使用,即可以通過next()函數、for循環、list()等方法使用。
In [19 ]: next(G) Out[ 19 ]: 0 In [ 20 ]: next(G) Out[ 20]: 2 In [ 21 ]: next(G) Out[ 21]: 4 In [ 22 ]: next(G) Out[ 22]: 6 In [ 23 ]: next(G) Out[ 23]: 8 In [ 24 ]: next(G) --------------------------------------------------------------------------- StopIteration Traceback (most recent call last)in () ----> 1 next(G) StopIteration: In [ 25 ]: In [ 26]: G = ( x*2 for x in range(5 )) In [ 27]: for x in G: ....: print (x) ....: 0 2468 In [ 28]:
2.2?創建生成器的方法2
In [30]: def fib(n): ....: current = 0 ....: num1, num2 = 0, 1 ....: while current < n: ....: num = num1 ....: num1, num2 = num2, num1+ num2 ....: current += 1 ....: yield num ....: return ' done ' ....: In [ 31]: F = fib(5 ) In [ 32 ]: next(F) Out[ 32]: 1 In [ 33 ]: next(F) Out[ 33]: 1 In [ 34 ]: next(F) Out[ 34]: 2 In [ 35 ]: next(F) Out[ 35]: 3 In [ 36 ]: next(F) Out[ 36]: 5 In [ 37 ]: next(F) ----------------------------------------------------------------------- StopIteration Traceback (most recent call last)in () ----> 1 next(F) StopIteration: done
在使用生成器實現的方式中,我們將原本在迭代器__next__方法中實現的基本邏輯放到一個函數中來實現,但是將每次迭代返回數值的return換成了yield,此時新定義的函數便不再是函數,而是一個生成器了。簡單來說: 只要在def中有yield關鍵字的 就稱為 生成器.
?
In [38]: for n in fib(5 ): ....: print (n) ....: 11235 In [ 39]:
In [39]: g = fib(5 ) In [ 40]: while True: ....: try : ....: x = next(g) ....: print ( " value:%d " % x) ....: except StopIteration as e: ....: print ( " 生成器返回值:%s " % e.value) ....: break ....: value: 1 value: 1 value: 2 value: 3 value: 5 生成器返回值:done In [ 41]:
-
使用了yield關鍵字的函數不再是函數,而是生成器。(使用了yield的函數就是生成器)
-
yield關鍵字有兩點作用:
-
保存當前運行狀態(斷點),然后暫停執行,即將生成器(函數)掛起
-
將yield關鍵字后面表達式的值作為返回值返回,此時可以理解為起到了return的作用
-
可以使用next()函數讓生成器從斷點處繼續執行,即喚醒生成器(函數)
-
Python3中的生成器可以使用return返回最終運行的返回值,而Python2中的生成器不允許使用return返回一個返回值(即可以使用return從生成器中退出,但return后不能有任何表達式。
2.3 使用send喚醒
In [10]: def gen(): ....: i = 0 ....: while i<5 : ....: temp = yield i ....: print (temp) ....: i +=1 ....:
使用send(send不能第一次使用):
In [43]: f = gen() In [ 44 ]: next(f) Out[ 44 ]: 0 In [ 45]: f.send( ' haha ' ) haha Out[ 45]: 1 In [ 46 ]: next(f) None Out[ 46]: 2 In [ 47]: f.send( ' haha ' ) haha Out[ 47]: 3 In [ 48]:
使用next()函數:
In [11]: f = gen() In [ 12 ]: next(f) Out[ 12 ]: 0 In [ 13 ]: next(f) None Out[ 13]: 1 In [ 14 ]: next(f) None Out[ 14]: 2 In [ 15 ]: next(f) None Out[ 15]: 3 In [ 16 ]: next(f) None Out[ 16]: 4 In [ 17 ]: next(f) None --------------------------------------------------------------------------- StopIteration Traceback (most recent call last)in () ----> 1 next(f) StopIteration:
使用__next__():
In [18]: f = gen() In [ 19]: f. __next__ () Out[ 19 ]: 0 In [ 20]: f. __next__ () None Out[ 20]: 1 In [ 21]: f. __next__ () None Out[ 21]: 2 In [ 22]: f. __next__ () None Out[ 22]: 3 In [ 23]: f. __next__ () None Out[ 23]: 4 In [ 24]: f. __next__ () None --------------------------------------------------------------------------- StopIteration Traceback (most recent call last)in () ----> 1 f. __next__ () StopIteration:
案例:
1 def add(a, b): 2 return a + b 3 4 5 def test(): 6 for r_i in range(4 ): 7 yield r_i 8 9 10 g = test() 11 12 13 for n in [2, 10 ]: 14 g = (add(n, i) for i in g) 15 16 17 print (list(g)) # [20, 21, 22, 23] 惰性機制
?
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
