Python列表生成式
列表推導式的一般語法
[express for item1 in iterable1 if condition1
for item2 in iterable2 if condition2
....
for itemn in iterablen if conditionn
]
這種語法等價于以下代碼
s = []
for item1 in iterable1:
if condition1:
for item2 in iterable2:
if condition2:
....
for itemN in iterableN:
if conditionN:
expression
下面舉一些列表推導式的栗子：
a = [1,3,5,7,9,10]
b = ['a','b','c','d','e']
# a列表中所有項*2
c = [2*s for s in a]
print(c)
# 帶有條件的列表推導式
d = [s for s in a if s>=5]
print(d)
# 多item
e = [(x,y) for x in a for y in b if x > 0]
print(e)
- Python中生成列表可以使用如下的表達式：
a = [x for x in range(10)]
# 0,1,2,3,4,5,6,7,8,9
- 元組或列表賦值
t = ('128',222)
a,b = t
這里a,b將被賦值為t的兩個元素
等價于 a = t[0] b =t[1]
print(a)
print(b)
# 128 222
生成器
通過列表生成式，我們可以直接創建一個列表，但是受到內存的限制，列表的容量是有限的。而且我們創建的數據過于龐大會占用很大的內存空間。所以，如果列表元素可以按照某種算法推算出來，我們就可以在循環的過程中不斷推算后續的元素。這樣就不必創建列表。從而節省了大量的空間。在Python中，我們稱這種一邊循環一邊計算的機制，稱為生成器 generator，生成器用來創建Python序列的一個對象。它可以迭代龐大的序列，且不需要在內存中創建和存儲整個序列。任何使用yield的函數都稱為生成器
生成器的創建
通過列表生成式創建
要創建一個generator，我們可以把列表生成式的[]改成一個()這樣就創建了一個generator
生成器表達式是一個對象，它執行的計算與列表推導相同，但會迭代地生成結果。它的語法也與列表推導式相同，但要用圓括號代替方括號
- 生成器表達式的語法
(expression for item1 in iterable1 if condition1
for item2 in iterable2 if condition2
...
for itemN in iterableN if conditionN
)
生成器表達式和列表推導式不同，生成器表達式實際上不創建列表或者立即對圓括號內的表達式求值。相反，它會創建一個生成器對象，該對象通過迭代并按照需要生成的值，看個栗子
a = [1, 2, 3, 4]
b = (10 * i for i in a)
print(type(b))
print(b.__next__())
print(next(b))
>>>
<class 'generator'>
10
20
**使用生成器表達式和列表推導式可以極大地提高性能和n
L = [x * x for x in range(10)]
L
g = (x*x for x in range(10))
g
# <generator object <genexpr> at 0x1022ef630>
這里L是一個list g是一個generator
使用yield
生成器本質上其實是一個函數，函數就會有返回值，我們在函數中使用yield
def gerator():
print('ok')
yield 1
print('next')
yield 2
g = gerator()
print(g)
print(next(g))
print(next(g))
######
<generator object gerator at 0x102210fc0>
ok
1
next
2
如果一個函數定義中包含yield關鍵字，那么這個函數就不再是一個普通函數，而是一個generator
generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最后一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句后返回。再次執行時從上次返回的yield語句處繼續執行
我們這樣定義函數后，直接執行這個函數不會被內部執行了，這個函數就會成為一個生成器對象
上面的生成器函數中，我們執行完第一個next中，程序會執行第一個yield的值，然后會記錄執行位置，再執行第二個next時從上一次記錄的位置繼續執行，執行中遇到return，會認為函數的結束，那么生成器也會結束。
讀取生成器的元素 next()
要生成的值并不在生成器中，而需要我們一個一個的去生成，可以通過next()函數獲得生成器generator()的下一個返回值：
>>> next(g)
generator保存的是算法，所以每次調用next(g),就計算出g的下一個元素的值，直到計算到最后一個元素，沒有更多的元素時，拋出StopIteration的錯誤
但是我們在使用generator后，基本上永遠不會調用next(),而是通過for循環來迭代，并且不需要關心stopIteration的錯誤.for循環要求作用的對象是迭代對象，生成器就是一個迭代對象。所以可以直接使用for循環來取生成器的值
for i in g:
print(i)
會在內部調用生成器的next()方法
執行迭代器的函數 send(p)
生成器也是函數，可以使用send(p)執行生成器函數并傳遞一個函數，這個函數會傳遞到yield的對象中。
- 第一次使用send進入函數時只能傳遞一個None值，也就是說第一次send前如果沒有next只能發送None數據
b.send(None)
def bar():
print('before yield')
count = yield 123
print(count)
yield 234
b = bar()
b.send(None)
b.send('abc')
Python 迭代器
在Python中，可以直接作用于for循環的數據類型可以分為：
1.集合數據類型 list、tuple、dict、set、str等
2.生成器generator 包括生成器和帶yield的生成器函數
這些可以作用于for循環的對象統稱為可迭代對象：Iterable
在Python中可以使用isinstance()判斷一個對象是否是Iterable對象
from collections import Iterable
print(isinstance([], Iterable))
print(isinstance({}, Iterable))
print(isinstance((), Iterable))
print(isinstance('123', Iterable))
print(isinstance(100,Iterable))
#True
True
True
True
False
- 判斷是否是迭代器
我們可以使用isinstance()判斷一個對象是否是迭代器Iterator對象
from collections import Iterator
print(isinstance([], Iterator))
print(isinstance((), Iterator))
print(isinstance({}, Iterator))
print(isinstance('1111',Iterator))
我們可以看出list dict str tuple等數據類型雖然是Iterable,卻不是Iterator，So
迭代器一定是可迭代對象，可迭代對象不一定是迭代器
那么為什么Python中 list dict str等數據類型不是Iterator?
因為Python中的Iterator對象表示的是一個數據流，而Iterator對象可以被next()函數調用并不斷返回下一個數據，直到沒有數據時拋出StopIteration錯誤。這個數據流可以看做是一個有序序列。但我們卻不能提前知道序列的長度，只能不斷通過next()函數實現按需計算下一個數據，所以Iterator的的計算是惰性的，只有在需要返回下一給數據時才會計算
而Iterator可以表示一個無限大的數據流。
迭代器滿足的條件：
1有iter方法
2有next方法
- 可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator
- 對于for循環，在內部所完成的三件事：
1 調用可迭代對象的iter方法返回一個迭代器對象
2 不斷調用迭代器對象的next方法
3 捕獲StopIterator異常
