VB.net 2010 视频教程 VB.net 2010 视频教程 python基础视频教程
SQL Server 2008 视频教程 c#入门经典教程 Visual Basic从门到精通视频教程
当前位置:
首页 > temp > 简明python教程 >

  • python基础(14):生成器、列表推导式

1. 生成器

什么是⽣成器？⽣成器实质就是迭代器。
在python中有三种⽅式来获取⽣成器:
1. 通过⽣成器函数
2. 通过各种推导式来实现⽣成器
3. 通过数据的转换也可以获取⽣成器
⾸先，我们先看⼀个很简单的函数:


    

  1. 
def func():
    2. 

  2. 
　　print("111")
    3. 

  3. 
　　return 222
    4. 

  4. 
ret = func()
    5. 

  5. 
print(ret)
    6. 

  6. 
结果: 
    7. 

  7. 
111
    8. 

  8. 
222
    9. 






将函数中的return换成yield就是⽣成器








    

  1. 
def func():
    2. 

  2. 
　　print("111")
    3. 

  3. 
　　yield 222
    4. 

  4. 
ret = func()
    5. 

  5. 
print(ret)
    6. 

  6. 
结果: 
    7. 

  7. 
<generator object func at 0x10567ff68>
    8. 






运⾏的结果和上⾯不⼀样，为什么呢？由于函数中存在了yield，那么这个函数就是⼀个⽣成器



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。



如何使⽤呢? 想想迭代器，⽣成器的本质是迭代器，所以，我们可以直接执⾏__next__()来执⾏以下⽣成器。












    

  1. 
def func():
    2. 

  2. 
　　print("111")
    3. 

  3. 
　　yield 222
    4. 

  4. 
gener = func() # 这个时候函数不会执⾏. ⽽是获取到⽣成器
    5. 

  5. 
ret = gener.__next__() # 这个时候函数才会执⾏. yield的作⽤和return⼀样. 也是返回数据
    6. 

  6. 
print(ret)
    7. 

  7. 
结果: 
    8. 

  8. 
111
    9. 

  9. 
222
    10. 






那么我们可以看到，yield和return的效果是⼀样的，有什么区别呢? yield是分段来执⾏⼀个



函数，return呢? 直接停⽌执⾏函数。










    

  1. 
def func():
    2. 

  2. 
　　print("111")
    3. 

  3. 
　　yield 222
    4. 

  4. 
　　print("333")
    5. 

  5. 
　　yield 444
    6. 

  6. 
gener = func()
    7. 

  7. 
ret = gener.__next__()
    8. 

  8. 
print(ret)
    9. 

  9. 
ret2 = gener.__next__()
    10. 

  10. 
print(ret2)
    11. 

  11. 
ret3 = gener.__next__() # 最后⼀个yield执⾏完毕. 再次__next__()程序报错, 也就是说. 和return⽆关了.
    12. 

  12. 
print(ret3)
    13. 

  13. 
结果:
    14. 

  14. 
111
    15. 

  15. 
Traceback (most recent call last):
    16. 

  16. 
222
    17. 

  17. 
333
    18. 

  18. 
　　File "/Users/sylar/PycharmProjects/oldboy/iterator.py", line 55, in
    19. 

  19. 
<module>
    20. 

  20. 
444
    21. 

  21. 
　　ret3 = gener.__next__() # 最后⼀个yield执⾏完毕. 再次__next__()程序报错, 也就是说. 和return⽆关了.
    22. 

  22. 
StopIteration
    23. 






当程序运⾏完最后⼀个yield，那么后⾯继续进⾏__next__()程序会报错。好了⽣成器说完了，⽣成器有什么作⽤呢? 我们来看这样⼀个需求，老男孩向JACK JONES订



购10000套学⽣服，JACK JONES就比较实在，直接造出来10000套衣服。










    

  1. 
def cloth():
    2. 

  2. 
　　lst = []
    3. 

  3. 
　　for i in range(0, 10000):
    4. 

  4. 
　　　　lst.append("⾐服"+str(i))
    5. 

  5. 
　　return lst
    6. 

  6. 
cl = cloth()
    7. 






但是呢，问题来了。老男孩现在没有这么多学⽣啊，⼀次性给我这么多，我往哪⾥放啊. 很尴尬啊，最好的效果是什么样呢? 我要1套，你给我1套，⼀共10000套，是不是最完美的。





 








    

  1. 
def cloth():
    2. 

  2. 
　　for i in range(0, 10000):
    3. 

  3. 
　　　　yield "⾐服"+str(i)
    4. 

  4. 
cl = cloth()
    5. 

  5. 
print(cl.__next__())
    6. 

  6. 
print(cl.__next__())
    7. 

  7. 
print(cl.__next__())
    8. 

  8. 
print(cl.__next__())
    9. 






区别: 第⼀种是直接⼀次性全部拿出来，会很占⽤内存，第⼆种使⽤⽣成器，⼀次就⼀个. ⽤多少⽣成多少。⽣成器是⼀个⼀个的指向下⼀个，不会回去，__next__()到哪，指针就指到哪⼉，下⼀次继续获取指针指向的值。







接下来我们来看send⽅法，send和__next__()⼀样都可以让⽣成器执⾏到下⼀个yield。










    

  1. 
def eat():
    2. 

  2. 
　　print("我吃什么啊")
    3. 

  3. 
　　a = yield "馒头"
    4. 

  4. 
　　print("a=",a)
    5. 

  5. 
　　b = yield "⼤饼"
    6. 

  6. 
　　print("b=",b)
    7. 

  7. 
　　c = yield "⾲菜盒⼦"
    8. 

  8. 
　　print("c=",c)
    9. 

  9. 
　　yield "GAME OVER"
    10. 

  10. 
gen = eat() # 获取⽣成器
    11. 

  11. 
ret1 = gen.__next__()
    12. 

  12. 
print(ret1)
    13. 

  13. 
ret2 = gen.
















相关教程