三元表达式列表解析生成器

Posted 冰滴的眼泪

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了三元表达式列表解析生成器相关的知识,希望对你有一定的参考价值。

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

技术分享
>>> 3 if 3>2 else 10
3
>>> 3 if 3>4 else 10
10
>>> 3+2 if 3>0 else 3-1
5
>>> 3+2 if 3>0 and 3>4 else 3-1
2
技术分享

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‘]
技术分享
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)
技术分享
技术分享
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])
技术分享

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:

技术分享
>>> 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>
技术分享

创建Lg的区别仅在于最外层的[]()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:

技术分享
>>> 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
技术分享

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:

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

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:

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

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:

技术分享
>>> fib(6)
1
1
2
3
5
8
‘done‘
技术分享

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:

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

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:

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

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:

技术分享
>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
技术分享

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:

技术分享
>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8
技术分享

 

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StopIterationvalue中:

技术分享
>>> 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
技术分享

 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

技术分享
d={‘a‘:1,‘b‘:2,‘c‘:3}
obj=d.__iter__()
while True:
    try:
        i=obj.__next__()
        print(i)
    except StopIteration:
        break
技术分享
技术分享
def foo():
    print(‘first‘)
    yield 1
    print(‘second‘)
    yield 2
    print(‘third‘)
    yield 3
    print(‘fouth‘)
g=foo()
for i in g:
    print(i)
技术分享
技术分享
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)
技术分享

 动态查看文件最后一行,并过滤显示。

技术分享
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)
技术分享

以上是关于三元表达式列表解析生成器的主要内容,如果未能解决你的问题,请参考以下文章

三元运算,列表解析,生成器表达式

Python基础-----三元表达式列表解析生成器表达式

Python__三元表达式+列表解析+生成器表达式

21三元表达式列表解析生成器

三元表达式列表解析生成器

Day 21 三元表达式生成器函数列表解析