Python进阶之推导式与生成器

进阶之推导式与生成器"/>

Python进阶之推导式与生成器

文章目录

• 一、推导式
• • 1.列表推导式
  • 2.字典推导式
  • 3.集合推导式
  • 4.元组推导式（生成器推导式）
• 二、生成器
• • 1.生成器表达式
  • 2.生成器函数
  • 3.send函数
• 结束语

---

• 💂 个人主页:风间琉璃
• 🤟 版权: 本文由【风间琉璃】原创、在CSDN首发、需要转载请联系博主
• 💬 如果文章对你有帮助、欢迎关注、点赞、收藏(一键三连)和订阅专栏哦

---

一、推导式

Python 推导式是一种独特的数据处理方式，可以从一个数据序列构建另一个新的数据序列的结构体。

Python 支持各种数据结构的推导式：

列表(list)推导式
字典(dict)推导式
集合(set)推导式
元组(tuple)推导式

1.列表推导式

列表推导式（根据for循环化简而来），其功能：利用表达式生成一个有规律的列表，列表推导式又叫列表生成式，简化代码量。语法如下：

[表达式 for 变量 in 列表] 
[out_exp_res for out_exp in input_list]或者 [表达式 for 变量 in 列表 if 条件]
[out_exp_res for out_exp in input_list if condition]

其中 for 前面的表达式为返回值。
⋆ \star ⋆ out_exp_res：列表生成元素表达式，可以是有返回值的函数。
⋆ \star ⋆ for out_exp in input_list：迭代 input_list 将 out_exp 传入到 out_exp_res 表达式中。
⋆ \star ⋆if condition：条件语句，可以过滤列表中不符合条件的值。

利用列表生成式生成偶数：

计算 30 以内可以被 3 整除的整数：

多个for实现列表推导式：多个for循环的列表推导式等同于for循环的嵌套，其可以打印多个数据组成的数据序列中（可以是列表、元组、集合）。

列表名 = [ (表达式1, 表达式2) for 变量 in 列表 for 变量 in 列表]
列表名 = [ (i的返回值，j的返回值) for i in range（） for j in range（）]

举例：

2.字典推导式

字典推导基本格式：

{ key_expr: value_expr for value in collection }
或
{ key_expr: value_expr for value in collection if condition }

作用1：其可以快速将两个列表进行合并为字典或者提取字典中的目标数据。

字典名 = { i 的返回值：value值 for i in range（start，end，step）}

利用字典推导式完成需求，字典的key为1—5的数字，字典的value为key的2次方

作用2：将两个列表合并，注意：两个列表长度一致，len（）取哪个长度都可以，长度不一致，要用len（）取长度小的，否则会报错。

字典名 = { 列表1[ i ] ：列表2[ i ] for i in range（len（列表名））}

作用3：提取字典中的目标数据

字典名 = {key：value for key，value in 字典序列 . items（） if 判断条件}

有一个字典 dict1= {“C语言”：18，“数据结构”：“16”，“计网”：8}，提取这个字典中兴趣爱好人数大于10的键值对并保存到另外一个字典中。

3.集合推导式

集合推导式基本格式：

{ expression for item in Sequence }
或
{ expression for item in Sequence if conditional }集合名 = {i处理后的返回值 for i in 列表序列}

可以通过列表生成具有一定规则的集合。

计算数字 1,2,3 的平方数：

判断不是 abc 的字母并输出：

4.元组推导式（生成器推导式）

元组推导式可以利用 range 区间、元组、列表、字典和集合等数据类型，快速生成一个满足指定需求的元组。
元组推导式基本格式：

(expression for item in Sequence )
或
(expression for item in Sequence if conditional )

生成一个包含数字 1~9 的元组：

二、生成器

通过列表生成式，可以直接创建一个列表。但是，受到内存限制，列表容量是有限的。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。生成器（generator）也是一种迭代器，在每次迭代时返回一个值，直到抛出 StopIteration 异常。它有两种构造方式：

1.生成器表达式

生成器表达式其实就是元组推导式，和列表推导式的定义类似，生成器表达式使用 () 而不是 [] 。

生成器表达式无法像列表推导式那样直接输出，它和可迭代对象一样只能采用for循环调用next（）函数，原因在于range返回的是一个可迭代对象，列表推导式之所以能直接print就是因为[]将可迭代对象转为列表。

2.生成器函数

在 Python 中，使用了yield的函数被称为生成器（generator）。

yield 是一个关键字，用于定义生成器函数，生成器函数是一种特殊的函数，可以在迭代过程中逐步产生值，而不是一次性返回所有结果。跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

当在生成器函数中使用yield语句时，函数的执行将会暂停，并将 yield 后面的表达式作为当前迭代的值返回。然后，每次调用生成器的 next() 方法或使用 for 循环进行迭代时，函数会从上次暂停的地方继续执行，直到再次遇到 yield 语句。这样，生成器函数可以逐步产生值，而不需要一次性计算并返回所有结果。

从上面可以知道，调用一个生成器函数，返回的是一个迭代器对象。其执行过程如下：

(1)调用该函数的时不会立即执行代码，而是返回了一个生成器对象。

(2)当使用 next() (在 for 循环中会自动调用 next() ) 作用于返回的生成器对象时，函数开始执行，在遇到 yield 的时会暂停，并返回当前的迭代值。

(3)当再次使用 next() 时，函数会从原来暂停的地方继续执行，直到遇到 yield语 句，如果没有 yield 语句，则抛出异常。

整个过程看起来就是不断地执行->中断->执行->中断的过程。一开始，调用生成器函数的时候，函数不会立即执行，而是返回一个生成器对象；然后，当我们使用 next() 作用于它的时候，它开始执行，遇到 yield 语句的时候，执行被中断，并返回当前的迭代值，要注意的是，此刻会记住中断的位置和所有的变量值，即执行时的上下文环境被保留起来；当再次使用 next() 的时候，从原来中断的地方继续执行，直至遇到 yield ，如果没有 yield ，则抛出异常。简而言之，next 使函数执行， yield 使函数暂停。

使用示例：

def countdown(n):while n > 0:yield nn -= 1# 创建生成器对象
generator = countdown(5)# 通过迭代生成器获取值
print(next(generator))  # 输出: 5
print(next(generator))  # 输出: 4
print(next(generator))  # 输出: 3# 使用 for 循环迭代生成器
for value in generator:print(value)  # 输出: 2 1

countdown 函数是一个生成器函数。它使用 yield 语句逐步产生从 n 到 1 的倒数数字。在每次调用 yield 语句时，函数会返回当前的倒数值，并在下一次调用时从上次暂停的地方继续执行。

通过创建生成器对象并使用 next() 函数或 for 循环迭代生成器，可以逐步获取生成器函数产生的值。在这个例子中，首先使用 next() 函数获取前三个倒数值，然后通过 for 循环获取剩下的两个倒数值。

生成器函数的优势是它们可以按需生成值，避免一次性生成大量数据并占用大量内存。此外，生成器还可以与其他迭代工具（如for循环）无缝配合使用，提供简洁和高效的迭代方式。

注意：调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中。

3.send函数

除了可以使用next()函数来唤醒，让生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是：可以在唤醒的同时向断点处传入一个附加数据。

使用send修改上面的代码，示例如下：

send会让生成器从上次停止的位置继续开始执行，并且会将11传递到生成器中，当做上一次执行yield 100 这个表达式的结果，即num = 11。

小结：
1.使用了yield关键字的函数不再是函数，而是生成器。

2.yield关键字有两点作用：
①保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
②将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用

3.可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）

4.Python3中的生成器可以使用return返回最终运行的返回值

5.生成器，它可以记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。

6.生成器的特点：存储的是生成数据的方式（即算法），而不是存储生成的数据，因此节约内存。

结束语

感谢阅读吾之文章，今已至此次旅程之终站 🛬。

吾望斯文献能供尔以宝贵之信息与知识也 🎉。

学习者之途，若藏于天际之星辰🍥，吾等皆当努力熠熠生辉，持续前行。

然而，如若斯文献有益于尔，何不以三连为礼？点赞、留言、收藏 - 此等皆以证尔对作者之支持与鼓励也 💞。