33-高级特性之generator（1）

1. 列表生成式

################列表生成式
#method_1 {太原始，不推荐}
L = []
for i in range(1,11): #[1,11)
    L.append(i*i)
print(L)


#method_2
#######最佳的办法
L1 = [x*x for x in range(1,11)]
print(L1)

L2 = [x*x for x in range(1,11) if (x%2 == 0)]
print(L2)

L3 = [m+n for m in "ABC" for n in "XYZ"]
print(L3)

import os
dir = [d for d in os.listdir('.')] #.表示当前目录下
print(dir)

#考虑到for 可以同时迭代两个甚至更多变量,把他应用到 列表生成式
dict = {'name':'haozhang', 'gender':'male', 'city':'HG'}
for k,v in dict.items():
    print(k,':',v)
print("
")

L4 = [k+':'+v for k,v in dict.items()]
print(L4)

#
L = ['ABC', 'Hong', 'KONG']
print(L)
L5 = [s.lower() for s in L]
print(L5)

L6 = ['ABC', 'HongKong', 123, '456']
print(L6)
L7 = [s.lower() for s in L6 if isinstance(s, str)]
print(L7)
L8 = [s.lower() for s in L6] #没有过滤整数，会报错

2. generator初步：

• 理解yield关键字的作用：

• 首先yield就像一个中断源，代码执行到yield处就中断，cpu执行其他函数去了。例如，count = yield yyy，代码到这一行，刚刚碰到yield就暂停本generator函数，并保存当前状态等待恢复。
• 直到next(对象名)，或者send(实参)，来激活这一行语句。
• 暂停yield的同时，向主调函数返回yyy {就这个功能而言，yield yyy等价于return yyy}
• 终上所述，yield首先是挂起当前的generator函数，然后可以返回一个数据给主调函数（即使用了next()，send()，或者用for迭代这个generator函数的语句）。
• 用for迭代这个generator函数 本质还是利用了next(对象名)

• 代码测试：

  测试generator 以创建list作为对比

  L = [x*x for x in range(1,11)]
  print(L)

  G = (x*x for x in range(1,11)) #Generator表达式
  print(G)
  print(next(G))
  print(next(G))
  print(" ")

  g = (xx for x in range(1,11)) #构造了一个generator类并返回了一个它的对象
  for y in g: #迭代g的每一项xx
  print(y)
  print(" ")

  测试第二种generator ：Generator函数 采用函数方式

  def fib(n):
  i,a,b = 0,0,1 #fib(0) = 0, fib(1) = 1, fib(2) = 1
  while i < n: #执行n-1次,i的范围是[0,n-1],因为默认是fib(1),所以后面都是返回fib(n)
  print(b)
  a,b = b,a+b
  i = i + 1
  return 'done'
  fib(6)
  print(" ")

  采用yield关键字，用generator实现

  def G_fib(n): #实际上等价于创建了一个generator类，虽然表面上是一个函数
  i,a,b = 0,0,1
  while i < n: #[0,n-1]
  yield b #此次返回并暂时挂起
  a,b = b,a+b
  i = i + 1
  g2 = G_fib(6) #返回一个generator类创建的对象g2
  print(g2)
  for x in g2: #迭代g2中的每一项即:fib(i)
  print(x)
  print(" ")

  创建一个产生所有奇数的generator

  def odd():
  i = 1
  while True:
  yield i
  i = i + 2
  g3 = odd()
  print(next(g3))
  print(next(g3))
  print(next(g3))
  print(" ")

  理论上可以通过for x in g3 遍历足够多的，或者说是所有的奇数，但这里没有必要

  {即节省内存，因为每次只会创建一个item；另外，非常的简洁地可以代表一个无穷的stream} 实现一个2^n{乘方}

  def powtwo(n):
  i = 1
  while i <= n: #[1,n],操作了n次
  yield 2 ** i
  i += 1

  for x in powtwo(5): #计算2^5
  print("中间过程依次是：",x)
  print("the result is = ",x)
  print(" ")

  '''
  实现一个假设我们有一个快餐连锁店的日志。

  日志的第四列是每小时售出的披萨数量，我们想对近5年的这一数据进行求和。 假设所有数据都是字符，不可用的数据都以"N/A"表示

  with open('sells.log') as file:
  pizza_col = (line[3] for line in file) #取第4列，构建一个tuple
  per_hour = (int(x) for x in pizza_col if x != 'N/A') #依据上面的tuple构建generator表达式
  print("Total pizzas sold = ",sum(per_hour))
  '''

  #########################################################################################

  '''
  最后一个主题：获取generator中，用return关键字返回的值
  {因为现在只会返回yield关键字所带的值}

  通过解析StopIteration的内容获取return关键字后的值 以获取杨辉三角的最后return的'haozhang'为例

  '''

  做法1

  def triangles():
  N = [1] #要求返回N为list
  while True:
  yield N
  N.append(0) #辅助元：处理每一行两边{左边一个1，右边一个1}，保证它们在下一行依旧为1：0+1还是1
  #append完之后，本行{假设为k-1} 新增N[k] = 0,同时在python中N[k]作为倒数第一个元素，也为N[-1]
  #具体实现方法：对于下一行{假设是k}的N, N[0] = N[-1]+N[0],N[k] = N[k-1]+N[k]
  N = [N[i-1]+N[i] for i in range(len(N))]

  i = 0
  for L in triangles(): #匿名创建了triangles的generator对象,并迭代
  print(L)
  i += 1
  if (i == 10): #打印10行
  break
  print(" ")

  做法2:错位相加{L1左边和L2右边各自添加一个[0],即长度加1} [0]+N等价于在N左边加了一个元素0，N+[0]等价于在N右边加了一个元素0{可在控制台测试} zip(x, y)等价于：若x=[x1,x2], y=[y1,y2], 则zip(x,y) = [(x1,y1), (x2,y2)]

  def triangles_2():
  N = [1]
  while True:
  yield N
  N = [sum(i) for i in zip([0]+N, N+[0])]
  j = 0
  for L2 in triangles_2():
  print(L2)
  j += 1
  if (j == 10): #输出10行即停止
  break
  print(" ")

  加入try-catch实现把return关键字返回的值打印出来

  def My_Triangle(n):
  N = [1]
  i = 0
  while (i < n): #[0,n-1]次
  yield N
  N = [sum(i) for i in zip([0]+N, N+[0])]
  i += 1
  return "haozhang is ok" #我想把这个也拿出来！

  GT = My_Triangle(10)
  while True:
  try:
  x = next(GT)
  print(x)
  except StopIteration as e:
  print("Generation return value is: ", e.value)
  break

• 理解send()的作用：

• next()等价于send(None),系统向generator发信号“在中断处重新启动”就是send(实参)的功劳，send()才是核心。
• send(数据值)等价于 给yield左边的变量赋值，例如：count = yield x，当使用 send(555)激活上述的yield时，等价于执行 count = 555,然后再执行count=yield的下一句代码
• 终上所述，send(实参)可以给generator函数传入数据，并同时激活这个generator函数

• 代码测试：

  def stupid_fib(n):
  index = 0
  a = 0
  b = 1
  while index < n:
  sleep_cnt = yield b
  print('let me think {0} secs'.format(sleep_cnt))
  time.sleep(sleep_cnt)
  a, b = b, a + b
  index += 1

  print('-'10 + 'test yield send' + '-'10)
  N = 20
  sfib = stupid_fib(N) #得到一个generator对象
  fib_res = next(sfib) #启动generator
  while True:
  print(fib_res)
  try:
  fib_res = sfib.send(random.uniform(0, 0.5)) #给函数传入暂停时长sleep_cnt,并重新激活generator
  except StopIteration:
  break

参考文献：

1. http://python.jobbole.com/86069/
2. 尚学堂python视频
3. 廖雪峰python3