首页 > 代码库 > 21、三元表达式、列表解析、生成器

21、三元表达式、列表解析、生成器

2024-10-09 04:10:02   217人阅读

一、三元表达式

格式：result=值1 if x<y else 值2    

满足if条件result=值1，否则result=值2

>>> 3 if 3>2 else 10
>>> 3 if 3>4 else 10
>>> 3+2 if 3>0 else 3-1
>>> 3+2 if 3>0 and 3>4 else 3-1

二、列表解析

1 s=‘hello‘
2 res=[i.upper() for i in s]
3 print(res)
4 
5 [‘H‘,‘E‘,‘L‘,‘L‘,‘O‘]
l=[1,31,73,84,57,22]
l_new=[]
#一般写法
for i in l:
    if i > 50:
        l_new.append(i)
print(l_new)
#解析式写法
res=[i for i in l if i > 50]
print(res)
for i in obj1:
    if 条件1:
        for i in obj2：
            if 条件2：
                for i in obj3:
                    if 条件3：
                        ...
l=[1,31,73,84,57,22]
print([i for i in l if i > 50])
print([i for i in l if i < 50])
print([i for i in l if i > 20 and i < 50])

三、生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。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，那我们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。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

>>> 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 0x1022ef630>

创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：

>>> next(g)
>>> next(g)
>>> next(g)
>>> next(g)
>>> next(g)
>>> next(g)
>>> next(g)
>>> next(g)
>>> next(g)
>>> next(g)
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

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

所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

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

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return ‘done‘

注意，赋值语句：

a, b = b, a + b

相当于：

t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]

但不必显式写出临时变量t就可以赋值。

上面的函数可以输出斐波那契数列的前N个数：

>>> fib(6)
1
3
8
‘done‘

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return ‘done‘

这就是定义generator的另一种方法。

如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。

而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

举个简单的例子，定义一个generator，依次返回数字1，3，5：

def odd():
    print(‘step 1‘)
    yield 1
    print(‘step 2‘)
    yield(3)
    print(‘step 3‘)
    yield(5)

调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：

>>> o = odd()
>>> next(o)
step 1
>>> next(o)
step 2
>>> next(o)
step 3
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。

回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

>>> for n in fib(6):
...     print(n)
...
1
3
8

但是用for循环调用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：

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print(‘g:‘, x)
...     except StopIteration as e:
...         print(‘Generator return value:‘, e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

生成器就是迭代器

yield的功能：

1.与return类似，都可以返回值，但不一样的地方在于yield返回多次值，而return只能返回一次值

2.为函数封装好了__iter__和__next__方法，把函数的执行结果做成了迭代器

3.遵循迭代器的取值方式obj.__next__（），触发的函数的执行，函数暂停与再继续的状态都是由yield保存的

d={‘a‘:1,‘b‘:2,‘c‘:3}
obj=d.__iter__()
while True:
    try:
        i=obj.__next__()
        print(i)
    except StopIteration:
        break
def foo():
    print(‘first‘)
    yield 1
    print(‘second‘)
    yield 2
    print(‘third‘)
    yield 3
    print(‘fouth‘)
g=foo()
for i in g:
    print(i)
import time
def countdown(n):
    print(‘start---->‘)
    while n>=0:
        yield n
        time.sleep(1)
        n-=1
    print(‘stop---->‘)
g=countdown(5)
for i in g:
    print(i)

动态查看文件最后一行，并过滤显示。

import time
def tail(filepath,encoding=‘utf-8‘):
    with open(filepath,encoding=encoding) as f:
        f.seek(0,2)
        while True:
            line=f.readline()
            if line:
                yield line
            else:
                time.sleep(0.5)
def grep(lines,pattern):
    for line in lines:
        if pattern in line:
            yield line
g1=tail(‘day9.txt‘)
g2=grep(g1, ‘error‘)
g3=grep(g2, ‘404‘)
for i in g3:
    print(i)

 

21、三元表达式、列表解析、生成器


联系
我们