1.复习
# 迭代器和生成器# 迭代器:# 双下方法 : 很少直接调用的方法。一般情况下,是通过其他语法触发的# 可迭代的 —— 可迭代协议 含有__iter__的方法('__iter__' in dir(数据))# 可迭代的一定可以被for循环# 迭代器协议: 含有__iter__和__next__方法# 迭代器一定可迭代,可迭代的通过调用iter()方法就能得到一个迭代器# 迭代器的特点: # 很方便使用,且只能取所有的数据取一次 # 节省内存空间# 生成器# 生成器的本质就是迭代器# 生成器的表现形式 # 生成器函数 # 生成器表达式# 生成器函数: #含有yield关键字的函数就是生成器函数 #特点: #调用函数的之后函数不执行,返回一个生成器 #每次调用next方法的时候会取到一个值 #直到取完最后一个,在执行next会报错# 写生成器实现:有一个文件,从文件里分段读取内容# readline# read(10)# 在读出来的内容前面加上一个'***',再返回给调用者def generator(): for i in range(20000): yield '哇哈哈%s'%i#g = generator() #调用生成器函数得到一个生成器# print(list(g))# ret = g.__next__() #每一次执行g.__next__就是从生成器中取值,预示着生成器函数中的代码继续执行# print(ret)num = 0for i in g: num += 1 if num > 50: break print(i)# 从生成器中取值的几个方法 # next # for # 数据类型的强制转换 : 占用内存
2.生成器函数进阶
# def generator():# print(123)# content = yield 1# print('=======',content)# print(456)# arg = yield 2# ''''''# yield# g1 = generator()# g2 = generator()# g1.__next__()# g2.__next__()# print('***',generator().__next__())# print('***',generator().__next__())# g = generator()# ret = g.__next__()# print('***',ret)# ret = g.send('hello') #send的效果和next一样# print('***',ret)#send 获取下一个值的效果和next基本一致#只是在获取下一个值的时候,给上一yield的位置传递一个数据#使用send的注意事项 # 第一次使用生成器的时候 是用next获取下一个值 # 最后一个yield不能接受外部的值# 获取移动平均值# 10 20 30 10# 10 15 20 17.5# avg = sum/count# def average():# sum = 0# count = 0# avg = 0# while True:# num = yield avg# sum += num # 10# count += 1 # 1# avg = sum/count## avg_g = average()# avg_g.__next__()# avg1 = avg_g.send(10)# avg1 = avg_g.send(20)# print(avg1)#预激生成器的装饰器# def init(func): #装饰器# def inner(*args,**kwargs): #===>average# g = func(*args,**kwargs)# g.__next__()# return g# return inner## @init# def average():# sum = 0# count = 0# avg = 0# while True:# num = yield avg# sum += num # 10# count += 1 # 1# avg = sum/count## avg_g = average() #===> inner# ret = avg_g.send(10)# print(ret)# ret = avg_g.send(20)# print(ret)#python 3# def generator():# a = 'abcde'# b = '12345'# for i in a:# yield i# for i in b:# yield i# def generator():# a = 'abcde'# b = '12345'# yield from a# yield from b## g = generator()# for i in g:# print(i)# send # send的作用范围和next一模一样 # 第一次不能用send # 函数中的最后一个yield不能接受新的值# 计算移动平均值的例子# 预激生成器的装饰器的例子# yield from
3.生成器表达式
# 林海峰# egon# egg_list=['鸡蛋%s'%i for i in range(10)] #列表推导式# print(egg_list)# egg_list = []# for i in range(10):# egg_list.append('鸡蛋%s'%i)# print(egg_list)# print([i*i for i in range(10)])#生成器表达式g = (i for i in range(10))print(g)# for i in g:# print(i)# 括号不一样# 返回的值不一样 === 几乎不占用内存# 老母鸡=('鸡蛋%s'%i for i in range(10)) #生成器表达式# print(老母鸡)# for 蛋 in 老母鸡:# print(蛋)# g = (i*i for i in range(10))# g.__next__()
4.各种推导式
#[每一个元素或者是和元素相关的操作 for 元素 in 可迭代数据类型] #遍历之后挨个处理#[满足条件的元素相关的操作 for 元素 in 可迭代数据类型 if 元素相关的条件] #筛选功能# #30以内所有能被3整除的数# ret = [i for i in range(30) if i%3 == 0] #完整的列表推导式# g = (i for i in range(30) if i%3 == 0) #完整的列表推导式# print(ret)## #30以内所有能被3整除的数的平方# ret = [i*i for i in (1,2,3,4) if i%3 == 0]# ret = (i*i for i in range(30) if i%3 == 0)# print(ret)## # 例三:找到嵌套列表中名字含有两个‘e’的所有名字# names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],# ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]# ret = [name for lst in names for name in lst if name.count('e') ==2]# ret = (name for lst in names for name in lst if name.count('e') ==2)# print(ret)#字典推导式# 例一:将一个字典的key和value对调# mcase = {'a': 10, 'b': 34}# #{10:'a' , 34:'b'}# mcase_frequency = {mcase[k]: k for k in mcase}# print(mcase_frequency)# 例二:合并大小写对应的value值,将k统一成小写# mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}# #{'a':10+7,'b':34,'z':3}# mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase}# print(mcase_frequency)#集合推导式,自带结果去重功能# squared = {x**2 for x in [1, -1, 2]}# print(squared)#各种推导式 : 生成器 列表 字典 集合 #遍历操作 #筛选操作