列表生成式

列表生成式閱讀量: 44

現(xiàn)在有個需求，現(xiàn)有列表a=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],要求你把列表里的每個值加1，你怎么實現(xiàn)？你可能會想到2種方式

二逼青年版

生成一個新列表b，遍歷列表a,把每個值加1后存在b里，最后再把a=b, 這樣二逼的原因不言而喻，生成了新列表，浪費了內(nèi)存空間。

>>> 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]

?

普通青年版

毫無新意

a = [1,3,4,6,7,7,8,9,11]for index,i in enumerate(a):a[index] +=1 print(a)

略屌青年版

>>> 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) ... 3 5 7 9 11

?

裝逼青年版

>>> a = [i+1 for i in range(10)] >>> a [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

這樣的寫法就叫做列表生成式，有什么用呢？裝逼用，哈哈，寫出來顯的高級，效果跟上面的都一樣哈。

生成器generator

通過列表生成式，我們可以直接創(chuàng)建一個列表。但是，受到內(nèi)存限制，列表容量肯定是有限的。而且，創(chuàng)建一個包含100萬個元素的列表，不僅占用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數(shù)元素占用的空間都白白浪費了。比如我要循環(huán)100萬次，按py的語法，for i in range(1000000)會先生成100萬個值的列表。但是循環(huán)到第50次時，我就不想繼續(xù)了，就退出了。但是90多萬的列表元素就白為你提前生成了。?

for i in range(1000000):if i == 50: breakprint(i)

所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環(huán)的過程中不斷推算出后續(xù)的元素呢？

像上面這個循環(huán)，每次循環(huán)只是+1而已，我們完全可以寫一個算法，讓他執(zhí)行一次就自動+1，這樣就不必創(chuàng)建完整的list，從而節(jié)省大量的空間。在Python中，這種一邊循環(huán)一邊計算后面元素的機制，稱為生成器：generator。

要創(chuàng)建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創(chuàng)建了一個generator：

>>> [x * x for x in range(10)] [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> >>> (x * x for x in range(10)) <generator object <genexpr> at 0x101ebc3b8>

(x*x for x in range(10)）生成的就是一個生成器。

我們可以直接打印出list的每一個元素，但我們怎么打印出generator的每一個元素呢？

如果要一個一個打印出來，可以通過next()函數(shù)獲得generator的下一個返回值：

>>> g = (x * x for x in range(10)) >>> 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

我們講過，generator保存的是算法，每次調(diào)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。

當(dāng)然，上面這種不斷調(diào)用next(g)實在是太變態(tài)了，正確的方法是使用for循環(huán)，因為generator也是可迭代(遍歷)對象：

>>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81

通過for循環(huán)來迭代它，就不需要關(guān)心StopIteration的錯誤了。?

函數(shù)生成器

generator非常強大。如果推算的算法比較復(fù)雜，用類似列表生成式的for循環(huán)無法實現(xiàn)的時候，還可以用函數(shù)來實現(xiàn)。

比如，著名的斐波拉契數(shù)列（Fibonacci），除第一個和第二個數(shù)外，任意一個數(shù)都可由前兩個數(shù)相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

實現(xiàn)100以內(nèi)的斐波那契數(shù)代碼：

a,b = 0,1 n = 0 # 斐波那契數(shù) while n < 100:n = a + ba = b # 把b的舊值給到ab = n # 新的b = a + b(舊b的值)print(n)

改成函數(shù)也可以的

def fib(max):a,b = 0,1n = 0 # 斐波那契數(shù)while n < max:n = a + ba = b # 把b的舊值給到ab = n # 新的b = a + b(舊b的值)print(n)fib(100)

輸出 ：

1
2
3
5
8
13
21
34
55
89
144

仔細觀察，可以看出，fib函數(shù)實際上是定義了斐波拉契數(shù)列的推算規(guī)則，可以從第一個元素開始，推算出后續(xù)任意的元素，這種邏輯其實非常類似generator。

也就是說，上面的函數(shù)和generator僅一步之遙。要把fib函數(shù)變成generator，只需要把print(b)改為yield b就可以了：

def fib(max):a,b = 0,1n = 0 # 斐波那契數(shù)while n < max:n = a + ba = b # 把b的舊值給到ab = n # 新的b = a + b(舊b的值)#print(n)yield n # 程序走到這，就會暫停下來，返回n到函數(shù)外面，直到被next方法調(diào)用時喚醒f = fib(100) # 注意這句調(diào)用時，函數(shù)并不會執(zhí)行，只有下一次調(diào)用next時，函數(shù)才會真正執(zhí)行print(f) print(f.__next__()) print(f.__next__()) print(f.__next__()) print(f.__next__())

輸出

<generator object fib at 0x101f593b8> 1 2 3 5

這就是定義generator的另一種方法。如果一個函數(shù)定義中包含yield關(guān)鍵字，那么這個函數(shù)就不再是一個普通函數(shù)，而是一個generator：

這里，最難理解的就是generator和函數(shù)的執(zhí)行流程不一樣。函數(shù)是順序執(zhí)行，遇到return語句或者最后一行函數(shù)語句就返回。而變成generator的函數(shù)，在每次調(diào)用next()的時候執(zhí)行，遇到y(tǒng)ield語句暫停并返回數(shù)據(jù)到函數(shù)外，再次被next()調(diào)用時從上次返回的yield語句處繼續(xù)執(zhí)行。

在上面fib的例子，我們在循環(huán)過程中不斷調(diào)用yield，函數(shù)就會不斷的中斷(暫停)。當(dāng)然要給循環(huán)設(shè)置一個條件來退出循環(huán)，不然就會產(chǎn)生一個無限數(shù)列出來。同樣的，把函數(shù)改成generator后，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(huán)來迭代：

f = fib(100) # 注意這句調(diào)用時，函數(shù)并不會執(zhí)行，只有下一次調(diào)用next時，函數(shù)才會真正執(zhí)行for i in f:print(i)#輸出： 1 2 3 ... ... 55 89 144

生成器進階

def generator():print(123)content=yield 1print('----')print(456)yield 2g=generator() ret=g.__next__() print('**',ret)ret=g.send('hello,girl~') #send 獲取下一個值的效果和next基本一致 print('**',ret) #執(zhí)行結(jié)果如下
# 123
# ** 1

# ---- hello,girl~
# 456
# ** 2

ps：流程（第一調(diào)用next，程序走到y(tǒng)ield 1，返回值1后暫停，當(dāng)接下來用send方法給yield生成器傳值的時候，content接受到，執(zhí)行下面代碼，直到y(tǒng)ield 2，返回值2后結(jié)束） send 獲取下一個值的效果和next基本一致
只是在獲取在獲取下一個值的時候，給上一個值的位置僅傳遞一個數(shù)據(jù)

send使用注意事項：
1、要先用一個next方法獲取一下，后面才能用send方法
2、最后一個yield不能接受外部的值 #實例 獲取移動平均值 （輸入的數(shù)的總和除以個數(shù)）
# 10 20 30 10
# 10 15 20 17.5 # 2/ 完美版 def gen():sum = 0count = 0avg=0while True:#num=yieldnum = yield avg #這里一致接受send的值，一次調(diào)用，返回avg，等待下一次調(diào)用才賦值給numsum += numcount += 1avg=sum/countg=gen() #拿到一個生成器 print(g) ret1=g.__next__() print(ret1) avg1=g.send(10) #這楊只能傳一個值，yield到最后就沒有了，會報錯 print(avg) avg2=g.send(20) print(avg2)

并發(fā)編程

雖然我們還沒學(xué)并發(fā)編程，但我們肯定聽過cpu 多少核多少核之類的，cpu的多核就是為了可以實現(xiàn)并行運算，讓你同時邊聽歌、邊聊qq、邊刷知乎。單核的cpu同一時間只能干一個事，所以你用單核電腦同時做好幾件事的話，就會變的很慢，因為cpu要在不同程序任務(wù)間來回切換。

通過yield, 我們可以實現(xiàn)單核下并發(fā)做多件事的效果。?

import time def consumer(name):print("%s 準備吃包子啦!" %name)while True:baozi = yield # yield可以接收到外部send傳過來的數(shù)據(jù)并賦值給baoziprint("包子[%s]來了,被[%s]吃了!" %(baozi,name))c = consumer('A') c2 = consumer('B') c.__next__() # 執(zhí)行一下next可以使上面的函數(shù)走到y(tǒng)ield那句。 這樣后面的send語法才能生效 c2.__next__() print("----老子開始準備做包子啦!----") for i in range(10):time.sleep(1)print("做了2個包子!")c.send(i) # send的作用=next, 同時還把數(shù)據(jù)傳給了上面函數(shù)里的yieldc2.send(i)

注意：調(diào)用send(x)給生成器傳值時，必須確保生成器已經(jīng)執(zhí)行過一次__next__()調(diào)用, 這樣會讓程序走到y(tǒng)ield位置等待外部第2次調(diào)用。

?

轉(zhuǎn)載于:https://www.cnblogs.com/hanfe1/p/10837235.html

總結(jié)

以上是生活随笔為你收集整理的python之路day14--列表生成式、生成器generator、生成器并行的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。