推导式
通过一行循环判断遍历出一些列数据的方法叫做推导式
语法:
val for val in iterable
1.推导式基本语法
lst = []
for i in range(1,51):
lst.append(i)
print(lst)
改写推导式
lst = [ i for i in range(1,51) ]
print(lst)
小练习
1.[1,2,3,4,5] => [2,4,6,8,10]
lst = [ i*2 for i in range(1,6) ]
print(lst)
2.带有判断条件的推导式
注意点:for后面紧跟的判断条件只能是单项分支.
[1,2,3,4,5,6,7,8,9,10] => [1,3,5,7,9 … ]
lst = [1,2,3,4,5,6,7,8,9,10]
lst_new = []
for i in lst:
if i % 2 == 1:
lst_new.append(i)
print(lst_new)
改写推导式
lst = [ i for i in lst if i % 2 == 1 ]
print(lst)
3.多循环推导式 # 谁♡♢♤♠谁
lst1 = ["孙杰龙","陈露","曹静怡"]
lst2 = ["王志国","邓鹏","合理"]
lst_new = []
for i in lst1:
for j in lst2:
lst_new.append(i+"♡♢♤♠"+j)
print(lst_new)
改写推导式
lst = [ i+"♡♢♤♠"+j for i in lst1 for j in lst2 ]
print(lst
4.带有判断条件的多循环推导式
lst_new = []
for i in lst1:
for j in lst2:
if lst1.index(i) == lst2.index(j):
lst_new.append(i+"♡♢♤♠"+j)
print(lst_new)
改写推导式
lst = [i+"♡♢♤♠"+j for i in lst1 for j in lst2 if lst1.index(i) == lst2.index(j)]
print(lst)
集合推导式
案例:
满足年龄在18到21,存款大于等于5000 小于等于5500的人,
开卡格式为:尊贵VIP卡老x(姓氏),否则开卡格式为:抠脚大汉卡老x(姓氏)
把开卡的种类统计出来
lst = [
{"name":"赵沈阳","age":18,"money":3000},
{"name":"赵万里","age":19,"money":5200},
{"name":"赵蜂拥","age":20,"money":100000},
{"name":"赵世超","age":21,"money":1000},
{"name":"王志国","age":18,"money":5500},
{"name":"王永飞","age":99,"money":5500}
]
setvar = set()
for i in lst:
print(i) # {'name': '赵沈阳', 'age': 18, 'money': 3000}
if 18 "age"] and 5000 "money"] :
res = "尊贵VIP卡老{}".format(i["name"][0])
else:
res = "抠脚大汉卡老{}".format(i["name"][0])
# 添加到集合中
setvar.add(res)
print(setvar)
{ 三元运算符 + 推导式 }
setvar = { "尊贵VIP卡老{}".format(i["name"][0]) if 18 "age"] and 5000 "money"] else "抠脚大汉卡老{}".format(i["name"][0]) for i in lst }
print(setvar)
字典推导式
一.enumerate
enumerate(iterable,[start=0])
功能:枚举 ; 将索引号和iterable中的值,一个一个拿出来配对组成元组,通过迭代器返回
参数:
iterable: 可迭代性数据 (常用:迭代器,容器类型数据,可迭代对象range)
start: 可以选择开始的索引号(默认从0开始索引)
返回值:迭代器
基本语法
from collections import Iterator,Iterable
lst =["王文","吕洞宾","何仙姑","铁拐李","张国老","曹国舅","蓝采和","韩湘子"]
it = enumerate(lst)
it = enumerate(lst,start=100)
print(isinstance(it,Iterator))
next
print( next(it) )
for + next (推荐,数据较大时使用)
for i in range(3):
print(next(it))
for
for i in it:
print(i)
list 强转迭代器
print(list(it))
(1) 字典推导式 配合 enumerate 来实现
dic = {k:v for k,v in enumerate(lst,start=100)}
print(dic)
"""
(100, '王文')
(101, '吕洞宾')
(102, '何仙姑')
(103, '铁拐李')
(104, '张国老')
(105, '曹国舅')
(106, '蓝采和')
(107, '韩湘子')
"""
(2) 使用dict强转迭代器,瞬间得到字典
dic = dict( enumerate(lst,start=100) )
print(dic)
二.zip
特点:按照索引配对
zip(iterable, … …)
功能: 将多个iterable中的值,一个一个拿出来配对组成元组,通过迭代器返回
iterable: 可迭代性数据 (常用:迭代器,容器类型数据,可迭代对象range)
返回: 迭代器
基本语法
lst1 = ["孙开启","王永飞","于朝志"]
lst2 = ["薛宇健","韩瑞晓","上朝气"]
lst3 = ["刘文博","历史园","张光旭"]
在索引下标同时存在时,才会进行配对,否则舍弃.
lst1 = ["孙开启","王永飞","于朝志"]
lst2 = ["薛宇健","韩瑞晓"]
lst3 = ["刘文博"]
it = zip(lst1,lst2,lst3)
print(list(it))
(1) 字典推导式 配合 zip 来实现
lst_key = ["ww","axd","yyt"]
lst_val = ["王维","安晓东","杨元涛"]
('ww', '王维'), ('axd', '安晓东'), ('yyt', '杨元涛')
dic = {k:v for k,v in zip(lst_key , lst_val) }
print(dic)
(2) 使用dict强转迭代器,瞬间得到字典
dic = dict( zip(lst_key , lst_val) )
print(dic)
生成器
生成器本质是迭代器,允许自定义逻辑的迭代器
迭代器和生成器区别:
迭代器本身是系统内置的.重写不了.
而生成器是用户自定义的,可以重写迭代逻辑
生成器可以用两种方式创建:
(1)生成器表达式 (里面是推导式,外面用圆括号)
(2)生成器函数 (用def定义,里面含有yield)
(1) 生成器表达式 (里面是推导式,外面用圆括号)
gen = ( i for i in range(10) )
print(gen)
判断类型
from collections import Iterator,Iterable
print(isinstance(gen,Iterator))
1.next 调用生成器
print(next(gen))
print(next(gen))
2.for + next 调用生成器
for i in range(3):
print(next(gen))
3.for 调用生成器所有数据
for i in gen:
print(i)
4.list强转生成器,瞬间得到所有数据
gen = ( i for i in range(10) )
print(list(gen))
print(next(gen)) error # StopIteration
生成器函数
yield 类似于 return
共同点在于:执行到这句话都会把值返回出去
不同点在于:yield每次返回时,会记住上次离开时执行的位置 , 下次在调用生成器 , 会从上次执行的位置往下走,而return直接终止函数,每次重头调用.
yield 6 和 yield(6) 2种写法都可以 yield 6 更像 return 6 的写法 推荐使用
(1) 基本语法
def mygen():
print("111")
yield 1
print("222")
yield 2
print("333")
yield 3
初始化生成器函数 => 返回生成器对象 => 简称生成器
gen = mygen()
第一次调用
res = next(gen)
print(res)
第二次调用
res = next(gen)
print(res)
第三次调用
res = next(gen)
print(res)
第四次调用
"""
StopIteration error
res = next(gen)
print(res)
"""
"""
第一次调用
print("111") yield 1 保存当前第13行代码的状态,把1返回,并且等待下一次调用
第二次调用
从上一次保存的位置13行往下走, print("222") yield 2 保存当前第16行代码的状态,把2返回,并且等待下一次调用
第三次调用
从上一次保存的位置16行往下走, print("333") yield 3 保存当前第19行代码的状态,把3返回,并且等待下一次调用
第四次调用
因为没
(2) 优化生成器代码
生成器应用的场景是在大数据的范围中使用,切记不可直接用for遍历所有,可能无法短时间内获取所有数据
def mygen():
for i in range(1,101):
yield i
初始化生成器函数 => 生成器
gen = mygen()
print("")
for i in range(30):
num = next(gen)
print("我的球衣号码是{}".format(num))
print("")
for i in range(40):
num = next(gen)
print("我的球衣号码是{}".format(num))
(3) send的使用方式 (给上一个yield发送数据)
next和send区别:
next 只能取值
send 不但能取值,还能发送值
send注意点:
第一个 send 不能给 yield 传值 默认只能写None
最后一个yield 接受不到send的发送值
def mygen():
print("start")
res = yield "内部1"
print(res,"")
res = yield "内部2"
print(res,"")
res = yield "内部3"
print(res,"")
print("end")
初始化生成器函数 => 生成器
gen = mygen()
第一次调用生成器
"""
第一次调用生成器时,因为没有遇到yield保存的代码位置,
无法发送数据,默认第一次只能发送None
"""
res = gen.send(None)
print(res,"")
第二次调用生成器
res = gen.send("100")
print(res,"")
第三次调用生成器
res = gen.send("200")
print(res,"")
第四次调用生成器
"""
error
res = gen.send("300")
print(res,"")
"""
"""
使用send调用生成器,第一次发送时必须是None,因为还没有遇到yield保存的代码位置
res = gen.send(None) 走到mygen生成器函数中
print("start")
res = yield "内部1" 执行第80行 ,保存退出,记录当前代码位置,将 "内部1" 返回
在98行接受数据 res = "内部1" print(内部1,"")
第二次调用生成器
res = gen.send("100") 把100这个数据发送给上一次代码保存的位置80行进行接受. => 导致 80行 res = 100
打印81行 print(100 ,"")
执行83行 res = yield "内部2" 保存退出,记录当前代码位置,将 "内部2" 返回
执行102行 res = gen.send("100") => "内部2" print("内部2","")
....
依次类推 ...
到第四次调用时, 因为没有更多的yield 返回数据,gen.send(300)无法接受到返回值,所以出现停止迭代 StopIteration的报错,程序终止;
"""
(4) yield from 的使用
将一个可迭代对象变成一个迭代器返回
def mygen():
lst = ["张磊","李亚峰","刘一峰","王同培"]
yield from lst
初始化生成器函数
gen = mygen()
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen))
print(next(gen)) # StopIteration
(5) 斐波那契数列
“””使用生成器分段获取所有内容,而不是一股脑的把所有数据全部打印”””
“””1 1 2 3 5 8 13 21 34 …. “””
def mygen(maxval):
a,b = 0,1
i = 0
while i < maxval:
# print(b)
yield b
a,b = b,a+b
i += 1
mygen(10)
gen = mygen(10)
第一次获取
for i in range(3):
print(next(gen))
第二次获取
for i in range(5):
print(next(gen))
递归函数
递归函数 : 自己调用自己的函数 , 叫做递归函数
递 : 去
归 : 回
一去一回叫做递归
def digui(n):
print(n,"")
if n > 0:
digui(n-1)
print(n,"")
digui(5)
"""
去的过程
n = 5 print(5,"") if 5 > 0: digui(5-1) => digui(4) 代码阻塞在第12行
n = 4 print(4,"") if 4 > 0: digui(4-1) => digui(3) 代码阻塞在第12行
n = 3 print(3,"") if 3 > 0: digui(3-1) => digui(2) 代码阻塞在第12行
n = 2 print(2,"") if 2 > 0: digui(2-1) => digui(1) 代码阻塞在第12行
n = 1 print(1,"") if 1 > 0: digui(1-1) => digui(0) 代码阻塞在第12行
n = 0 print(0,"") if 0 > 0: 不成立 print(0,"") 到此最后一层函数空间彻底执行完毕
回的过程
回到上一层函数空间 n = 1 代码在第12行的位置,继续往下执行 print(1,"")
回到上一层函数空间 n = 2 代码在第12行的位置,继续往下执行 print(2,"")
回到上一层函数空间 n = 3 代码在第12行的位置,继续往下执行 print(3,"")
回到上一层函数空间 n = 4 代码在第12行的位置,继续往下执行 print(4,"")
回到上一层函数空间 n = 5 代码在第12行的位置,继续往下执行 print(5,"")
到此递归函数执行结束..
打印 543210012345
"""
"""
每次调用函数时,都要单独在内存当中开辟空间,叫做栈帧空间,以运行函数中的代码
递归总结:
(1)递归实际上是不停的开辟栈帧空间和释放栈帧空间的过程,开辟就是去的过程,释放就是回的过程
(2)递归什么时候触发归的过程:
1.当最后一层栈帧空间执行结束的时候,触发归的过程.
2.当遇到return返回值的时候终止当前函数,触发归的过程.
(3)递归不能无限的去开辟空间,可能造成内存溢出,蓝屏死机的情况,所以一定要给予跳出的条件(如果递归的层数太大,不推荐使用)
(4)开辟的一个个栈帧空间,数据是彼此独立不共享的.
"""
递归原理图:
递归不能不限开辟空间
官方说法最大默认是1000层
def deepfunc():
deepfunc()
deepfunc()
1.使用递归实现任意数n的阶乘
普通实现
5! =5 *4*3*2*1
n = 5
total = 1
for i in range(n,0,-1):
total *= i
print(total) # 120
递归实现
def jiecheng(n):
if n :
return 1
return jiecheng(n-1) * n
print(jiecheng(2))
jiecheng(1) => 1
jiecheng(2) => jiecheng(1) * 2 => 1 * 2
jiecheng(3) => jiecheng(2) * 3 => 1 * 2 * 3
jiecheng(4) => jiecheng(3) * 4 => 1 * 2 * 3 * 4
jiecheng(5) => jiecheng(4) * 5 => 1 * 2 * 3 * 4 * 5
print(jiecheng(5))
"""
代码解析:
去的过程:
n = 5 return jiecheng(n-1) * n => jiecheng(4) * 5
n = 4 return jiecheng(n-1) * n => jiecheng(3) * 4
n = 3 return jiecheng(n-1) * n => jiecheng(2) * 3
n = 2 return jiecheng(n-1) * n => jiecheng(1) * 2
n = 1 return 1
回的过程:
n = 2 return jiecheng(1) * 2 => 1 * 2
n = 3 return jiecheng(2) * 3 => 1 * 2 * 3
n = 4 return jiecheng(3) * 4 => 1 * 2 * 3 * 4
n = 5 return jiecheng(4) * 5 => 1 * 2 * 3 * 4 * 5
到此程序结束:
返回 1 * 2 * 3 * 4 * 5
"""
2. 使用尾递归来实现任意数的阶乘
return 在哪调用,在哪返回
自己调用自己,且返回时非运算表达式,只是函数本身
特点:
尾递归只开辟一个空间,不会无限的开辟,在一个空间里面去计算最后的结果进行返回,比较节省空间,有的解释器支持尾递归的调用特点
但是cpython解释器目前不支持
写法:
所有运算的值都在函数的参数中计算完毕,最后返回运算的参数;
def jiecheng(n,endval):
if n :
return endval
return jiecheng(n-1 , n * endval)
res = jiecheng(5,1) # 5*4*3*2*1
print(res)
"""
代码解析:
去的过程
n = 5 ,endval = 1 return jiecheng(n-1 , n * endval) => jiecheng(4,5*1) => 5*1*4*3*2
n = 4 ,endval = 5*1 return jiecheng(n-1 , n * endval) => jiecheng(3,5*1*4) => 5*1*4*3*2
n = 3 ,endval = 5*1*4 return jiecheng(n-1 , n * endval) => jiecheng(2,5*1*4*3) => 5*1*4*3*2
n = 2 ,endval = 5*1*4*3 return jiecheng(n-1 , n * endval) => jiecheng(1,5*1*4*3*2) => 5*1*4*3*2
n = 1 ,endval = 5*1*4*3*2 if n
图片解析
优化代码1
def jiecheng(n,endval=1):
if n :
return endval
return jiecheng(n-1 , n * endval)
res = jiecheng(5,100) # 5*4*3*2*1
print(res,"")
优化代码2 [把尾递归需要的参数值隐藏起来,避免篡改.]
def outer(n):
def jiecheng(n,endval=1):
if n :
return endval
return jiecheng(n-1 , n * endval)
return jiecheng(n,1)# 120
print(outer(5))
优化代码3(扩展)
闭包实现
def outer(n):
endval = 1
def jiecheng(n):
nonlocal endval
if n :
return endval
endval *= n
return jiecheng(n-1)
return jiecheng
func = outer(5)
print(func(5),"")
3.使用递归来完成斐波那契数列
1 1 2 3 5 8 13 21 34 …
def feib(n):
if n == 1 or n == 2:
return 1
# 上一个结果 + 上上个结果
return feib(n-1) + feib(n-2)
print(feib(5))
"""
代码解析:
n = 5 feib(5) => 3 + 2 => return 5
feib(4) + feib(3)
feib(3)+feib(2) feib(2)+feib(1) => 1 + 1 => 2
feib(2)+feib(1)+feib(2) => 1 + 1 + 1 => 3
"""
Original: https://www.cnblogs.com/shuaiyao666/p/15923861.html
Author: 小帅同学啊
Title: python之推导式 生成器 生成器函数 递归函数
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/814884/
转载文章受原作者版权保护。转载请注明原作者出处!