1、列表生成式
語法
a = [func(i) for i in range(10)]
>>>a
>>>[0,1,2,3,4,5,6,7,8,9]
應用場景
如何給列表[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]裏的每個值加1呢?
一般做法,
>>> a
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> b = []
>>> for i in a:b.append(i+1)
...
>>> b
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = b
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
二班做法,
a = [1,3,4,6,7,7,8,9,11]
for index,i in enumerate(a):
a[index] +=1
print(a)
三班做法,
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> a = map(lambda x:x+1, a)
>>> a
<map object at 0x101d2c630>
>>> for i in a:print(i)
...
2
3
4
5
6
7
8
9
10
11
列表生成式做法,
>>> a = [i+1 for i in range(10)]
>>> a
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
2、生成器
通過列表生成式,我們可以直接創建一個列表。但是受內存的限制,列表的容量是有限的。而且,創建一個100萬個數據的列表,不僅佔很大的內存存儲,如果我們可能只需用到前面的一部分數據,那麼後面的數據既沒有使用到,還佔了內存,白白浪費了內存空間。
那麼,如果列表按照某種算法推算出來,這樣就不必創建完整的list,從而節省大量的空間。
在python中,這種一邊循環一邊計算的機制,稱爲生成器(generator)。
創建生成器的第一種方法,就是把列表生成式的[ ]改成( )就可以了。
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x104192570>
那麼我們怎麼打印generator的每一個元素呢?
可以通過next(g)/g.__ next__()函數獲得generator的下一個返回值。
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
generator保存的是算法,每次調用next(g),就計算出g的下一個元素的值,直到計算到最後一個元素,沒有更多的元素時,拋出StopIteration的錯誤。
我們創建了一個generator後,基本上永遠不會調用next(),而是通過for循環來迭代它,並且不需要關心StopIteration的錯誤。
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81
小總結:
- 生成器只有在調用的時候纔會生成相應的數據,不調用的時候不生成數據,節省空間
- 只記住當前位置,只有next(g)/g.__next __()方法,只能一個一個往後取數據
generator是非常強大的,如果推算的算法很複雜的時候,用類似列表生成式的for循環無法實現的時候,還可以用函數來實現。
比如,著名的斐波拉契數列,除第一個和第二個之外,其他任意一個數都可以由前兩個數相加得到:1,1,2,3,5,8,13…
def fib(max):
n, a, b = 0, 0, 1
while n <max:
print(b)
a, b = b, a+b
n += 1
return 'done'
仔細觀察發現,斐波拉契數列可以從第一個元素開始,推算出後續的任意元素,這種邏輯和generator很相似。
也就是說上面的函數和generator僅一步之遙。要把fib函數變成generator,只需要把print(b)改爲yield b就可以了。
def fib(max):
n, a, b = 0, 0, 1
while n <max:
#print(b)
yield b # yield保存當前狀態的值並返回
a, b = b, a+b
n += 1
return 'done'
# 可以通過__next__()函數去調下一個元素了
f = fib(100)
print(f.__next__())
print("-----乾點別的事----")
print(f.__next__())
這就是定義generator的第二種方法,如果函數中定義一個包含yield關鍵字,那麼這個函數就不再是一個普通的函數了,而是一個生成器。
generator的執行順序和函數又不一樣,函數是按照順序結構,遇到return語句或者最後一行就返回;而generator在每一次調用__next__()的時候執行,遇到yield語句返回,再次執行時從上次返回的yield語句處繼續執行。
同樣的,把函數改成generator後,我們基本上從來不會用__next__()來獲取下一個返回值,而是直接使用for循環來迭代,但是用for循環調用generator時,發現拿不到generator的return語句的返回值。如果想要拿到返回值,必須捕獲StopIteration錯誤,返回值包含在StopIteration的value中:
g = fib(6)
while True:
try:
x = next(g) # next()調用yield
print('g:', x)
except StopIteration as e:
print('Generator return value:', e.value)
break
給個例子:實現在單線程的情況下實現併發運算的效果
# Author: Mr.Xue
# 2019.10.24
import time
def consumer(name):
print("%s 準備喫包子了" % name)
while True:
baozi = yield
print("包子%s來了,被%s吃了" %(baozi, name))
#c = consumer("xue")
#c.__next__()
#b1 = "肉包"
#c.send(b1)
def producer(name):
c = consumer('a')
c2 = consumer('b')
c.__next__()
c2.__next__()
print("%s準備開始做包子了" % name)
for i in range(5):
time.sleep(1)
print("做了兩個包子,一人一個")
c.send(i) # 調用yield,同時給yield傳值i
c2.send(i)
producer("Mr")
3、迭代器
可以直接作用於for循環的對象統稱爲可迭代對象:Iterable
可以被next()函數調用並不斷返回下一個值的對象被稱爲迭代器:Iterator
可用isinstance()判斷一個對象是否是Iterable
注:可直接作用於for循環的數據類型有以下幾種:
- 集合數據類型:如list、tuple、dict、set、str等
- generator,包括生成器和帶yield的generator function
>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
>>>
可以使用isinstance()判斷一個對象是否是Iterator對象:
>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
>>>
生成器都是Iterator對象,但是list、dict、str雖然是Iterable,但不是Iterator
iter()函數可以把list、dict、str等變成Iterator
>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter({}), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
>>>