列表生成式是python受欢迎的语法之一,通过一句简洁的语法就可以对一组元素进行过滤,还可以对得到的元素进行转换处理。语法格式为:
[exp for val in collection if condition]
相当于
result=[]
for val in collection:
if(condition):
result.append(exp)
例子:
#!/usr/bin/env python # -*- coding:utf-8 -*- # @time: 2017/11/5 21:20 # Author: caicai # @File: demon9.py #列表生产式 li = [x*x for x in range(1,101) if x%2==0] print(li) #普通函数 def funa(): a = [] for x in range(1,100): if x%2 == 0: a.append(x*x) return a print(funa()) 输出结果一致
解释:
1, 以此取出xrange(10)从0到9的数字
2, 判断x*x是偶数,就保留,存在新的字典中
3, 把所有符合x*x是偶数的元素都放到新的列表中返回
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。第一种方法是把一个列表生成式的[]改成(),就创建了一个generator:
例子:
# 列表生成器 #1.最简单的办法,把原来的生成式的[]换成()就ok lt = (x*x for x in range(1,101) if x%2==0) print(lt) print(lt.__next__()) print(lt.__next__()) print(lt.__next__()) for i in lt: print(i)
2、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:
例子:
#2.函数中定义列表生成器 print(‘##############第二种方法##############‘) def fib(n): sum = 0 i = 0 while(i<n): sum = sum + i i+=1 yield(sum) print(type(fib(10))) for x in fib(10): print(x) #列表生产式:一次性生成所有的数据,然后保存在内存中,适合小量的数据, #生成器:返回一个可迭代的对象,以及‘generator’对象,必须通过循环才可以一一列出所有的结果 #可迭代对象:可以通过循环调用出来的,就是可迭代对象,如列表,元组,字典,生产式 #迭代器:简单理解为生成器,必须通过next()函数调用并不断返回下一个值的对象称为迭代器。
生成式和生成器二者的区别很明显:
一个直接返回了表达式的结果列表, 而另一个是一个对象,该对象包含了对表达式结果的计算引用, 通过循环可以直接输出
生成器不会一次性列出所有的数据,当你用到的时候,在列出来,更加节约内存的使用率。
Iterable(可迭代对象) 和 Iterator(迭代器) 主要区别是 :
凡是可以用 for 循环的 都是 Iterable(可迭代对象) 凡是需要通过next()函数获得值的可迭代对象都是 Iterator(迭代器)。
(所以生成器可以 被next()函数调用并不断返回下一个值的对象称为迭代器 ) (可以简单理解为生成器 就是 迭代器的可迭代对象)
凡是可作用于for循环的对象都是Iterable类型;
凡是可作用于next()函数的对象都是Iterator类型,它们表示一个惰性计算的序列;
学习例子
函数表示9*9乘法口诀 def pro(): for i in range(1,10): for j in range(1,i+1): print("%d*%d=%d\t" %(j,i,j*i)), print("\n") print(pro())
原文:http://www.cnblogs.com/wxp997/p/7789137.html