生成器函数进阶 各种推导式

先是复习：迭代器和生成器：

迭代器：
双下方法 ： 很少直接调用的方法。一般情况下，是通过其他语法触发的

可迭代的 —— 可迭代协议 含有__iter__的方法('__iter__' in dir(数据))
可迭代的一定可以被for循环

迭代器协议: 含有__iter__和__next__方法

迭代器一定可迭代，可迭代的通过调用iter()方法就能得到一个迭代器

迭代器的特点：
    *很方便使用，且只能取所有的数据取一次
    *节省内存空间

生成器：
生成器的本质就是迭代器

生成器的表现形式
    生成器函数
    生成器表达式

生成器函数：
    含有yield关键字的函数就是生成器函数
    特点：
        *调用函数的之后函数不执行，返回一个生成器
        *每次调用next方法的时候会取到一个值
        *直到取完最后一个，在执行next会报错

写生成器实现：有一个文件，从文件里分段读取内容

readline
read(10)
在读出来的内容前面加上一个'***'，再返回给调用者
def generator():
    for i in range(20):
        yield '哇哈哈%s'%i

g = generator()  #调用生成器函数得到一个生成器
print(list(g))
ret = g.__next__()     #每一次执行g.__next__就是从生成器中取值，预示着生成器函数中的代码继续执行
print(ret)
num = 0
for i in g:
    num += 1
    if num > 50:
        break
    print(i)

从生成器中取值的几个方法
    next
    for
    数据类型的强制转换 : 占用内存

生成器进阶：

def generator():
    print(123)
    content = yield 1
    print('=======',content)
    print(456)
    arg = yield 2
    ''''''
    yield
g1 = generator()
g2 = generator()
g1.__next__()
g2.__next__()
print('***',generator().__next__())
print('***',generator().__next__())

#g = generator()
#ret = g.__next__()
#print('***',ret)
#ret = g.send('hello')   #send的效果和next一样
#print('***',ret)

send 获取下一个值的效果和next基本一致
只是在获取下一个值的时候，给上一yield的位置传递一个数据
使用send的注意事项：
    *第一次使用生成器的时候 是用next获取下一个值
    *最后一个yield不能接受外部的值

获取移动平均值：
就是不断输入数字，然后取所有输入数字的平均值。

def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num    # 10
        count += 1    # 1
        avg = sum/count

avg_g = average()
avg_g.__next__()
avg1 = avg_g.send(10)
avg1 = avg_g.send(20)
print(avg1)

预激生成器的装饰器：
用预计生成器晚上上题。

def init(func):   #装饰器
    def inner(*args,**kwargs):
        g = func(*args,**kwargs)    #g = average()
        g.__next__()
        return g
    return inner

@init
def average():
    sum = 0
    count = 0
    avg = 0
    while True:
        num = yield avg
        sum += num    # 10
        count += 1    # 1
        avg = sum/count

avg_g = average()   #===> inner
ret = avg_g.send(10)
print(ret)
ret = avg_g.send(20)
print(ret)

用yield遍历字符串：

yield from

def generator():
    a = 'abcde'
    b = '12345'
    yield from a
    yield from b

g = generator()
for i in g:
    print(i)

 各种推导式：

[每一个元素或者是和元素相关的操作 for 元素 in 可迭代数据类型]    #遍历之后挨个处理
[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]   #筛选功能

例一：30以内所有能被3整除的数

multiples = [i for i in range(30) if i % 3 is 0]
print(multiples)
# Output: [0, 3, 6, 9, 12, 15, 18, 21, 24, 27]

   例二：30以内所有能被3整除的数的平方

ret = [i*i for i in (1,2,3,4) if i%3 == 0]
ret = (i*i for i in range(30) if i%3 == 0)
print(ret)

例三:找到嵌套列表中名字含有两个‘e’的所有名字

names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
         ['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
ret = [name for lst in names for name in lst if name.count('e') ==2]
ret = (name for lst in names for name in lst if name.count('e') ==2)
print(ret)

字典推导式

例一：将一个字典的key和value对调

mcase = {'a': 10, 'b': 34}
#{10:'a' , 34:'b'}
mcase_frequency = {mcase[k]: k for k in mcase}

print(mcase_frequency)

#mcase[k]:k 这个是键值对

例二：合并大小写对应的value值，将k统一成小写

mcase = {'a': 10, 'b': 34, 'A': 7, 'Z': 3}
#{'a':10+7,'b':34,'z':3}
mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase}
print(mcase_frequency)
#get出来k的大写和小写的值相加，非常聪明！

集合推导式

例：计算列表中每个值的平方，自带去重功能

squared = {x**2 for x in [1, -1, 2]}
print(squared)
# Output: set([1, 4])