Python的列表推倒式、生成器及迭代器

文章目录

Python的列表推倒式、生成器及迭代器
- 一、列表推倒式
- - **`1.列表推导式`**
  - **`2.字典推导式`**
  - **`3.集合推导式`**
- 二、生成器
- - 生成器的创建方式
  - 类似于列表生成式创建
  - **`函数方式创建`**
  - **`生成器常用方法`**
  - send方法使用举例
  - **`生产者与消费者问题`**
  - **`日志记录`**
  - **`计算移动平均值`**
  - **`带装饰器的计算移动平均值`**
  - **`yield from`**
  - **`处理异常`**
- 三、迭代器
- - **`可迭代对象与迭代器`**
  - 可迭代和迭代器区别
  - - 1. 区别：
    - 2.迭代器：
    - 3. **迭代器的优点**：
    - 4.相同点与不同点：
    - 5.判断迭代器和可迭代的方法
  - **`判断range函数和map函数`**
  - **`深入了解Iterator对象`**
  - **`迭代器小结`**

一、列表推倒式

从母鸡下蛋的故事讲起

1 老母鸡 = ('鸡蛋%s'%i for i in range(10))
2 print(老母鸡)
3 for 蛋 in 老母鸡:
4     print(蛋)
5 g = (i*i for i in range(10))
6 for i in g:
7     print(i)

①把列表解析的[]换成()得到的就是生成器表达式
②列表解析与生成器表达式都是一种便利的编程方式，只不过生成器表达式更加节省内存空间
③Python不但使用迭代器协议，让for循环变得更加通用。大部分内置函数，也是使用迭代器协议访问对象的。

例如sum函数是python的内置函数，该函数使用迭代器协议访问对象，而生成器实现了迭代器协议。

1 sum(i*2 for i in range(4))

`1.列表推导式`

 例一:30以内所有能被3整除的数　　1 # 列推导式
2 # [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]
3 # 30以为所有能被3整除的数字
4 print([i for i in range(30) if i%3 == 0]) # 完整的列表推导式

例二：30以内所有能被3整除的数的平方1 # 30以为所有能被3整除的平方
2 print([i*i for i in range(30) if i%3 == 0]) # 完整的列表推导式
例三：找到嵌套列表中名字包含‘e’的所有名字1 # 找到嵌套列表中名字中含有'e'的所有名字
2 names = [['Tom','Billy','Jefferson','Andrew','Wesley','Steven','Joe'],
3         ['Alice','Jill','Ana','Wendy','Jennifer','Sherry','Eva']]
4 ret = [name for lst in names for name in lst if name.count('e') == 2]
5 print(ret)

`2.字典推导式`

例一:将一个字典的key和value对调1 # 将一个字典的key和value对调
2 mcase = {'a':10,'b':34}
3 mcase_frequency = {mcase[k]:k for k in mcase}
4 print(mcase_frequency)例二：合并大小写对应的value值，讲key统一成大写1 # 合并大小写对应的value值，将key统一成小写
2 # {'a':10+7,'b':34,'z':3}
3 mcase = {'a':10,'b':34,'A':7,'Z':3}
4 mcase_frequency = {k.lower():mcase.get(k.lower(),0)+mcase.get(k.upper(),0) for k in mcase}

`3.集合推导式`

例子：计算列表中每个值的平方，自带去重复的功能1 # 集合推导式 自带去重功能
2 squared = {x**2 for x in [1,-1,2]}
3 print(squared)

二、生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，
如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？
这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator

生成器的创建方式

类似于列表生成式
函数中使用yield关键字

函数有了yield之后

函数调用之后就得到了一个生成器，
return 在生成器里，代表生成器的中止，直接报错
yield的作用是：返回数据，并冻结（暂停）当前的执行过程，下一次从暂停处继续执行。

类似于列表生成式创建

L = [x * x for x in range(10)]
gen_L = (x * x for x in range(10))  # 生成器存放计算公式print(L)
print(gen_L)
print(next(gen_L))  # 取值
print(next(gen_L))"""
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
<generator object <genexpr> at 0x0000000001DFDF10>  generator 就是生成器的意思
0
1
"""

generator保存的是算法，每次调用next(g)就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误，不调next函数并不会生层元素，就会节省内存，使用for循环可以解决异常

g = (x * x for x in range(10))
for n in g:print(n)

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

def fib(max):n, a, b = 0, 0, 1while n < max:print('before yield')yield b  # 把函数的执行过程冻结在这一步，并且把b的值 返回给外面的next()print(b)a, b = b, a + bn = n + 1return 'done'f = fib(15)  # turn function into a generator
next(f)  # first time call next()  next 唤醒冻结的函数执行过程，继续执行，直到遇到下一个yield
next(f)  # first time call next()"""
before yield
1
before yield
"""

注意a, b = b, a + b 相当于

a, b = 0, 1
a, b = b, a + b
print(a, b)
a, b = 0, 1
t = a
a = b
b = t + b
print(a, b)"""
1 1
1 1
"""

`函数方式创建`

def range2(n):count = 0while count < n :print(count)stop_flag = yield count #中断并返回return countif stop_flag == 'stop':print('stop iteration...')breakcount += 1b = range2(5) # 得到生成器
next(b)
next(b)
"""
0
Traceback (most recent call last):File "C:/Users/jingjing/PycharmProjects/py3Project", line 53, in <module>next(b)
StopIteration: 0
"""

`生成器常用方法`

next()  # 唤醒生成器并继续执行
send("stop")
"""
1. 唤醒并继续执行
2. 发送一个信息到生成器内部
注意生成器在刚开始，函数没有执行到yield成为挂起状态时，不能调用send("stop")
只能send('None')相当于next()使函数执行到yield
"""

send方法使用举例

send方法第一次调用必须传递一个None参数，后续才可以传递自定义参数

def range2(n):count = 0while count < n:print('count', count)count += 1sign = yield count  # returnif sign == 'stop':print("---sign", sign)breakprint('sin...', sign)return 3333new_range = range2(3)next(new_range)
new_range.send(None)
new_range.send("stop")
"""
count 0
sin... None
count 1
---sign stop
Traceback (most recent call last):File "C:/Users/jingjing/PycharmProjects/py3Project.py", line 22, in <module>new_range.send("stop")
StopIteration: 3333
"""

`生产者与消费者问题`

import timedef consume(name):print("%s 准备吃包子啦!" % name)while True:y = yieldprint("包子[%s]来了,被[%s]吃了!" % (y, name))def producer(name):c = consume(name)next(c)  # 函数执行到yieldfor i in range(1, 3):time.sleep(1)print("做了{}个包子!".format(i))c.send(i)  # 把i传到yieldproducer('qian')"""
qian 准备吃包子啦!
做了1个包子!
包子[1]来了,被[qian]吃了!
做了2个包子!
包子[2]来了,被[qian]吃了!
"""

`日志记录`

def logger(filename):"""日志方法:param filename: log filename :param channel:  输出的目的地，屏幕(terminal)，文件(file)，屏幕+文件(both):return: """print('start logger')while True:msg = yieldprint("msg", msg)l = logger('USER.TXT')
l.__next__()l.send('hi')
l.send('hi,file')

`计算移动平均值`

# 必须先用next再用send
def average():total=0 #总数day=0 #天数average=0 #平均数while True:day_num = yield average   #average=0print('average', average)total += day_numday += 1average = total/day
avg=average() #直接返回生成器
next(avg)#激活生成器，avg.send(None),什么都不传的时候send和next的效果一样
print(avg.send(10))
print(avg.send(20))#send   1.传值 2.next
print(avg.send(30))
"""
average 0
10.0
average 10.0
15.0
average 15.0
20.0
"""

`带装饰器的计算移动平均值`

# 让装饰器去激活
def wrapper(func):def inner(*args, **kwargs):print('execute wrapper')a = func(*args, **kwargs)next(a)return areturn inner@wrapper
def average():total=0 #总数day=0 #天数average=0 #平均数while True:day_num = yield average   #average=0print('average', average)total += day_numday += 1average = total/dayavg = average()
print(avg.send(10))
print(avg.send(20))#send   1.传值 2.next
print(avg.send(30))
"""
execute wrapper
average 0
10.0
average 10.0
15.0
average 15.0
20.0
"""

`yield from`

def gen1():for c in 'AB':yield cfor i in range(3):yield i
print(gen1())
print(list(gen1()))def gen2():yield from 'AB'  # 相当于  for c in 'AB': yield cyield from range(3)
print(gen2())
print(list(gen2()))

`处理异常`

def fib(max):n, a, b = 0, 0, 1while n < max:print('before yield')yield b  # 把函数的执行过程冻结在这一步，并且把b的值 返回给外面的next()a, b = b, a + bn = n + 1return 'done'g = fib(6)
while True:try:x = next(g)print('g:', x)except StopIteration as e:print('Generator return value:', e.value)break

三、迭代器

`可迭代对象与迭代器`

迭代：可以将某个数据集内的数据“一个挨着一个的取出来”，就叫做迭代。就像for循环一样取值。
可迭代协议：可以被迭代要满足要求的就叫做可迭代协议。内部实现了__iter__方法
iterable：可迭代的------对应的标志
字符串、列表、元组、字典、集合都可以被for循环，说明他们都是可迭代的。
可以使用isinstance()判断一个对象是否是Iterable对象：
可以被next函数调用并且返回下一个值的对象叫迭代器

from collections import Iterableprint(isinstance([], Iterable))
print(isinstance(123, Iterable))
print(isinstance('345', Iterable))
# """
# True
# False
# True
# """

可迭代和迭代器区别

1. 区别：

可迭代的结构并不代表一定是一个迭代器，如：列表是可迭代的但不是迭代器；生层式是可迭代的也是迭代器
可以通过系统函数iter（）将一个可迭代的结构变成一个迭代器

2.迭代器：

生成器不但可以作用于for循环，还可以被next()函数不断调用并返回下一个值，直到最后抛出StopIteration错误表示无法继续返回下一个值了

迭代器协议：内部实现了__iter__，__next__方法。

3. 迭代器的优点：

如果用了迭代器，节约内存，方便操作，生成器是一种特殊的迭代器（Iterator）。

4.相同点与不同点：

可迭代和迭代器的相同点：都可以用for循环
可迭代和迭代器的不同点：就是迭代器内部多实现了一个__next__方法

5.判断迭代器和可迭代的方法

第一种：判断内部是不是实现了__next__方法
print(‘next’ in dir(range(12))) #查看’next’是不是在range()方法执行之后内部是否有__next__
print(‘iter’ in dir(range(12))) #查看’next’是不是在range()方法执行之后内部是否有__next__
第二种：
Iterable 判断是不是可迭代对象
Iterator 判断是不是迭代器

from collections import Iterable
from collections import Iterator#比如给一个字符串
s='abc'
print(isinstance(s,Iterable))#isinstance判断类型的
print(isinstance(s,Iterator))

`判断range函数和map函数`

`深入了解Iterator对象`

生成器都是Iterator对象，但list、dict、str虽然是Iterable，却不是Iterator。

把list、dict、str等Iterable变成Iterator可以使用iter()函数：

你可能会问，为什么list、dict、str等数据类型不是Iterator？

这是因为Python的Iterator对象表示的是一个数据流，Iterator对象可以被next()函数调用并不断返回下一个数据，
直到没有数据时抛出StopIteration错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，
只能不断通过next()函数实现按需计算下一个数据，所以Iterator的计算是惰性的，只有在需要返回下一个数据时它才会计算。
Iterator甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

`迭代器小结`

凡是可作用于for循环的对象都是Iterable类型；
凡是可作用于next()函数的对象都是Iterator类型，它们表示一个惰性计算的序列；
集合数据类型如list、dict、str等是Iterable但不是Iterator，不过可以通过iter()函数获得一个Iterator对象。
Python3的for循环本质上就是通过不断调用next()函数实现的，例如：

for x in [1, 2, 3, 4, 5]:pass
等价于复制代码
# 首先获得Iterator对象:
iter_object  = iter([1, 2, 3, 4, 5])
# 循环:
while True:try:# 获得下一个值:x = next(iter_object)except StopIteration:# 遇到StopIteration就退出循环break

Python的列表推倒式、生成器及迭代器相关推荐

python 三元运算、列表推倒式、字典推倒式、生成器生成式
1.三元运算 name=input('姓名>>: ') res='SB' if name == 'alex' else 'NB' print(res) 2.列表推倒式 #1.示例 egg_ ...
python三元表达式求值_python 三元表达式的列表推导式生成器推导式
python中三元表达式的语法如下 ===if else result = x if condition else y 另外一种三元表达式,比较少见 result = (x, y)[condition ...
python的高级特性：切片，迭代，列表生成式，生成器，迭代器
python的高级特性:切片,迭代,列表生成式,生成器,迭代器 1 #演示切片 2 k="abcdefghijklmnopqrstuvwxyz" 3 #取前5个元素 4 k[0:5 ...
python 3列表推导式的的一点理解！
python 3列表推导式的的一点理解! Python的列表推导式对于新手来说一般都难以理解,简单看个例子: [x * x for x in range(1,100)] 上面是一个很简单的列表推导式, ...
python使用列表推导式（list comprehension）和itertools生成浮点数列表
python使用列表推导式(list comprehension)和itertools生成浮点数列表目录 python使用列表推导式(list comprehension)和itertools生成浮 ...
Python 的列表推导式
文章目录 Python 的列表推导式相关知识 1.简介 2.主要的 range() 函数 3.简化列表的创建 4.常见用法 5.字典的列表推导式 6.集合的列表推导式 Python 的列表推导式相 ...
Python 之列表推导式
Python 之列表推导式简单的例子高级用法的例子简单的例子 list1 = [1,2,3,4,5,6] list2 = [] for num in list1:list2.append(nu ...
python用列表推导式_python如何使用列表推导式
python使用列表推导式的方法:1.用于使用其他列表创建一个新列表:2.可以对原列表进行变换和筛选:3.对多重嵌套的list进行变换筛选. python使用列表推导式的方法: python中列表推导 ...
Python：列表推导式、生成器、迭代器
1. 列表推导式列表推导式是通过旧的列表通过公式推导出新的列表还有集合推导式.字典推导式,与列表推导式类似格式为: [表达式 for 变量 in 旧列表] [表达式 for 变量 in 旧列表 ...

Python的列表推倒式、生成器及迭代器

Python的列表推倒式、生成器及迭代器

文章目录

一、列表推倒式

`1.列表推导式`

`2.字典推导式`

`3.集合推导式`

二、生成器

生成器的创建方式

类似于列表生成式创建

`函数方式创建`

`生成器常用方法`

send方法使用举例

`生产者与消费者问题`

`日志记录`

`计算移动平均值`

`带装饰器的计算移动平均值`

`yield from`

`处理异常`

三、迭代器

`可迭代对象与迭代器`

可迭代和迭代器区别

1. 区别：

2.迭代器：

3. 迭代器的优点：

4.相同点与不同点：

5.判断迭代器和可迭代的方法

`判断range函数和map函数`

`深入了解Iterator对象`

`迭代器小结`

Python的列表推倒式、生成器及迭代器相关推荐

最新文章

热门文章