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(20):
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 = 0
for 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):
g = func(*args,**kwargs) #g = average()
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.生成器的表达式
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