1，生成器
只要含有yield关键字的函数都是生成器函数
yield不能和return共用且需要写在函数内
生成器函数的特点：
①调用函数之后函数不执行，返回应该生成器
②每次调用__next__方法时会取到一个值
③知道取完最后一个，在执行__next__会报错
def generator(): #生成器函数
print(2)
yield ‘a‘
ret = generator() #调用生成器函数，但并不会执行，而是返回一个生成器及地址
print(ret) #>>><generator object generator at 0x000002582D4596D8>
2，简单生成器函数的使用
def generator():
print(2)
yield ‘a‘ #yield与return在相同的位置，都会返回后面的值，
# 但是yield不会结束函数，return会结束函数
ret = generator()
g = ret.__next__()
print(g)
3，yield
yield作用暂停生成器函数但不结束，并将yield后面的返回到调用的地方（即使用了 “生成器.__next__()” 的地方)，当再次使用 “生成器.__next__()” 时生成器函数就会重暂停位置继续执行。
4，生成器的使用
从生成器中取值的几个方法：
①__next__
②for循环
③数据类型的强制转换，但是占用内存大。如：把生成器转为列表 list(g)
def wa():
for i in range(100):
yield ‘娃哈哈‘%i
g = wa()
for i in g:
print(i)
#只用其中的50个
g = wa()
count = 0
for i in g:
count += 1
print(i)
if count > 50:
break #for循环结束，生成器暂停并没有结束
# 继续索要接下来的值
print(‘**‘,g.__next__()) #随时可以索要接下来的值
5，监听文件输入的栗子：
def tail(filename):
f = open(filename,encoding=‘utf-8‘)
while True:
line = f.readline()
if line.strip():
yield line.strip()
g = tail(‘file‘)
for i in g:
print(i)
6，生成器中send()的使用
6.1，获取移动平均值
def average():
sum = 0
count = 0
avg = 0
while True:
num = yield avg
sum += num
count += 1
avg = sum/count
avg_g = average() #调用函数之后函数不执行，返回应该生成器
avg_g.__next__() #使用生成器，暂停在yield #使用send()时，第一次使用生成器必须先使用__next__()方法激活一次。
avg1 = avg_g.send(10) #使用send()发后一个值返回到上次暂停的yield,并执行__next__()的功能一次，
avg1 = avg_g.send(20) #生成器中最后一个yield不能接受外部的值
print(avg1)
7，生成器的装饰器
def init(func):
def inner(*args,**kwargs):
g = func(*args,**kwargs)
g.__next__()
return g
return inner
@init
def average():
sum = 0
count = 0
avg = 0
while True:
num = yield avg
sum += num
count += 1
avg = sum/count
avg_g = average()
ret = avg_g.send(10)
print(ret)
8，想将分开一个一个的输出就用yield from
def generator():
a = ‘abcde‘
b =‘12345‘
yield from a
yield from b
g = generator()
for i in g:
print(i)
9,表达式
9.1，列表推导式
print([‘鸡蛋%s‘%i for i in range(10)])
结果：[‘鸡蛋0‘, ‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘, ‘鸡蛋5‘, ‘鸡蛋6‘, ‘鸡蛋7‘, ‘鸡蛋8‘, ‘鸡蛋9‘]
9.2，生成器表达式
g = (i for i in range(10))
print(g)
for i in g:
print(i)
9.3，列表推导式：
9.3.1，栗子1：30以内所有能被整除的数
ret = [i for i in range(30) if i % 3 == 0]
print(ret)
9.3.2，栗子2：30以内所有能被整除的数的平方
ret = [i*i for i in range(30) if i % 3 == 0]
print(ret)
9.3.3，栗子3；找到嵌套列表中名字含有两个’e‘的所有名字
names = [[‘Tom‘,‘Billy‘,‘Jefferson‘,‘Steven‘],[‘Jennifer‘,‘Eva‘]]
ret = [name for lst in names for name in lst if name.count(‘e‘) == 2]
print(ret)
9.4，字典推导式：
· 9.4.1，栗子1：将一个字典的key和value对调
mcase = {‘a‘: 10, ‘b‘: 34}
mcase_frequency = {mcase[k]: k for k in mcase}
print(mcase_frequency)
9.4.2，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}
mcase_frequency = {k.lower(): mcase.get(k.lower(), 0) + mcase.get(k.upper(), 0) for k in mcase.keys()}
print(mcase_frequency)
9.5，集合推导式：
9.5.1，栗子1：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)
原文：https://www.cnblogs.com/eternity-twinkle/p/10507756.html