一、推导式
1.1 列表推导式
语法：[最终结果(变量) for 变量 in 可迭代对象]
1
lst = [x
for
x
in
range(1, 15
)]
2
print
(lst)
3
4
5
#
获取1-100以内能被3整除的数
6
lst = [i
for
i
in
range(100)
if
i % 3 ==
0]
7
8
#
获取1-100以内能被3整除的数的平方
9
lst = [i*i
for
i
in
range(100)
if
i % 3 == 0]
1.2 字典推导式
1
dic = {
"
a
"
:
"
b
"
,
"
c
"
:
"
d
"
}
2
#
把字典中的key，value互换，{"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
#
组成一个字典
10
new_dic = {lst1[i]:lst2[i]
for
i
in
range(len(lst1))}
11
print
(new_dic)
1.3 集合推导式
1
lst = [
"
马化腾
"
,
"
王建忠
"
,
"
张建忠
"
,
"
张雪峰
"
,
"
张雪峰
"
,
"
张雪峰
"
]
2
s = {i
for
i
in
lst}
3
print
(s)
二、生成器
利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)。生成器是一类特殊的迭代器。
2.1 创建生成器的方法1(生成器表达式)
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]:
创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，而 G 是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、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 创建生成器的方法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
在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。简单来说： 只要在def中有yield关键字的 就称为 生成器.
此时按照调用函数的方式( 案例中为F = fib(5) )使用生成器就不再是执行函数体了，而是会返回一个生成器对象（ 案例中为F ），然后就可以按照使用迭代器的方式来使用生成器了。
In [38]:
for
n
in
fib(5
):
....:
print
(n)
....:
11235
In [
39]:
但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：
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]:
总结：
-
使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
-
yield关键字有两点作用：
-
保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
-
将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
-
可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）
-
Python3中的生成器可以使用return返回最终运行的返回值，而Python2中的生成器不允许使用return返回一个返回值（即可以使用return从生成器中退出，但return后不能有任何表达式。
2.3 使用send唤醒
我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
例子：执行到yield时，gen函数作用暂时保存，返回i的值; temp接收下次c.send("python")，send发送过来的值，c.next()等价c.send(None)：
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()函数：
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] 惰性机制
