# 1.生成器的本质就是迭代器
# 2.通过函数变成一个生成器
# def func(): # print(1) # yield 5 # 我的函数走到这了 # print(2) # yield 9 # 我的函数走到这了 # # g = func() # 生成一个生成器
# print(g.__next__()) # print(g.__next__()) # print(list(range(10000)))
# def func(): # print(1) # # return 5 # yield 5 # print(func().__next__()) # 这样生成一个生成器 # print(func().__next__()) # 这样生成一个生成器 # print(func().__next__()) # 这样生成一个生成器 # print(func().__next__()) # 这样生成一个生成器
# 函数体存的是代码
# 1.语法分析
# 2.语义分析
# 3.词法分析
# python2 next() iter()
# python3 next() __next__() iter() __iter__()
# 大批量的数据的时候首先要想到生成器
# def func(): # print(1) # yield 5 # 我的函数走到这了 # print(2) # yield 9 # 我的函数走到这了 # # g = func() # 生成一个生成器 # print(g.__next__()) # print(g.__next__())
# 碰到return就结束函数 # 碰到yield不结束就挂起 # 生成器的好处,非常节省内存
# def func():
# print(1)
# a = yield 2 # 1.挂起 2.返回值 3.接受值 # print(a) # '123' # print(3) # b = yield 4 # print(b) #'234' # c = yield 9 # # g = func() # # print(g.__next__()) #1 2 g.send(None) # print(g.send('123')) # send = next+传值 # print(g.send('234')) # send = next+传值 # # 第一次调用生成器的时候使用send里边的值必须是None
# print(g.send('123')) # send = next+传值 # print(g.send('234')) # send = next+传值 # # 第一次调用生成器的时候使用send里边的值必须是None
# def func():
# yield 1
# yield 2 # # g = func() # ret = g.__next__() # print(ret+4) # print(g.__next__()) # def func(): # li = [1,2,3,4] # # yield li # yield from li # # ret = func() # 把生成器的地址给了ret # print('is ret',ret.__next__()) # # 执行ret这个变量的指向的生成器地址 # print('is ret',ret) # # 在全局空间找到一个变量叫做ret的,打印它的值 值就是生成器的地址
# # 执行ret这个变量的指向的生成器地址 # print('is ret',ret) # # 在全局空间找到一个变量叫做ret的,打印它的值 值就是生成器的地址
# def func(): # li = [1,2,3,4] # l2 = [5,6,7,8] # # yield from li # # yield from l2 # for i in li: # yield i # # for em in l2: # yield em # # ret = func() # 把生成器的地址给了ret # print('is ret',ret.__next__()) # print('is ret',ret.__next__()) # print('is ret',ret.__next__()) # print('is ret',ret.__next__()) # print('is ret',ret.__next__())
# 总结:
# 1.生成器的本质就是一个迭代器
# 2.生成器一定是一个迭代器,迭代器不一定是一个生成器
# 3.生成器是可以让程序员自己定义的一个迭代器 #
4.生成器的好处,节省内存空间 #
5.生成器的特性 一次性的,惰性机制,从上向下 #
6.send相当于 next+传值,第一次触生成器的时候,如果使用send(None) # 值必须是None,一般我建议你们使用__next__ #
7. python2 iter() next() # python3 iter() next() __next__() __iter__() #
8.yield from 将可迭代对象元素逐个返回
# 列表推导式
# 列表推导式
# li = []
# for i in range(10): # li.append(i) # print(li) # print([i for i in range(10)]) # [结果 语法] #容器
li = [] # for i in range(10): # if i%2 == 1: # li.append(i) # print(li)
# print([i for i in range(10) if i%2 == 0]) # 过滤(筛选)
# li = [] # for i in range(10): # for em in range(3): # li.append(em) # print(li)
# print([j for i in range(10) for em in range(3) for j in range(5)])
# 集合推导式
# 集合推导式
# s = {i for i in range(10)}
# print(s) # {结果 语法} 容器
# {结果 语法} 容器
# 字典推导式:
# print({i:i+1 for i in range(10)})
# print(type({1,2,32,4}))
# g = (i for i in range(10)) # {'1':1,'2':2} # {'1','2'} # {1:2,2:3,3:4} # {'美女':1999,1999:2}
# 推导式:\
# 1.列表
# 2.集合
# 3.字典
# 1.生成器推导式
# 1.生成器: # 总结:
# 1.生成器的本质就是一个迭代器
# 2.生成器一定是一个迭代器,迭代器不一定是一个生成器
# 3.生成器是可以让程序员自己定义的一个迭代器
# 4.生成器的好处,节省内存空间
# 5.生成器的特性 一次性的,惰性机制,从上向下
# 6.send相当于 next+传值,第一次触生成器的时候,如果使用send(None) # 值必须是None,一般我建议你们使用__next__ # 7. python2 iter() next() # python3 iter() next() __next__() __iter__()
# 8.yield from 将可迭代对象元素逐个返回
# 2.推导式: # 总结: # 列表 # 集合 {1,2,3} # 字典 {1:2,2:4}
# 看着像元组的其实是一个 生成器推导式
# 1.外部需要容器包一下,里边第一个位置 结果 剩下位置都是语句
# 2.推导式 -- 面试 实现小的需求时可以使用推导式,推导式节省代码
# 3.推导式不要写太长,可读性查.