测开之数据类型· 第3篇《列表推导式、字典推导式、2种方式创建生成器》
测开之数据类型· 第3篇《列表推导式、字典推导式、2种方式创建生成器》
作者：清菡 博客：oschina、云+社区、知乎等各大平台都有。
目录
- 一、列表推导式
- 二、字典推导式
- 三、2种方式创建生成器
- 1.生成器表达式
- 2.函数里面，通过 yield 定义生成器
一、列表推导式
推导式可以帮助我们快速创建列表、创建字典。比如现在要创建一个列表。
做自动化测试的时候，比如创建个 url 列表，url 列表里面可能是存储了网站的页数：
一直到 100，生成 100 个页面，但是这 100 个页面有规律，url 地址，前面这一部分是不变的，只有后面的 1,2,3,4 这部分的变化。
如果去生成这样一个列表，不用列表推导式，用之前的方法的话，可以这样做，先定义一个空列表：
urls = []
然后来个 for 循环 set 100 个：
for i in range(1,101):
前面字符串这部分是确定的，比如说一个 page，后面这部分不确定，就来个format()给它填进去。
url = 'page{}'.format(i)
通过append()把 url 加进去。
# url = ['page1','page2']
urls = []
for i in range(1,101):
url = 'page{}'.format(i)
urls.append(url)
print(urls)
能够生成 1-100 个页面。
推导式有个优势，一行就能解决。推导式可以看成 for 循环的一个解体。
写起来特别简单，同样的功能，推导式可以这样写：
图片中应为推导式不是倒，字打错了，图是我截得
# 列表推导式
urls1 = [i for i in range(1,101)]
print(urls1)
这段列表推导式代码解释是：
for 循环，i 从 range 里面循环，循环出来拿出一个 i，然后往前面放到这个列表里面。
再拿出一个 i 放到这个列表里面，这样重复（拿出一个 i 放到列表里面），直到把 for 循环遍历完。
将里面所有的元素都拿出来放到列表里面，最后生成一个新的列表，这就是列表推导式。
里面是 1-100 个数字：
图片中应为推导式不是倒，字打错了，图是我截得
如果用列表推导式生成这个 page1，到 100 页。代码就修改成这样：
urls1 = ['page{}'.format(i) for i in range(1,101)]
print(urls1)
'page{}'.format(i)
format()格式化字符串的函数。
图片中应为推导式不是倒，字打错了，图是我截得
# 列表推导式
urls1 = ['page{}'.format(i) for i in range(1,101)]
print(urls1)
简而言之，就是遍历出来的元素放到这个前面就行了。然后在前面，你可以做其它操作。
以上，这就是用列表推导式快速生成一个列表。
二、字典推导式
字典推导式和列表推导式，它的原理是一样的。都用 for 循环去遍历，然后拿出对应的值在前面，生成对应的值。
每遍历一轮，会把前面你写的内容放到字典里面去。前面写个键，键就是遍历出来的i，对应的值就是i+1。
dict1 = {i:i+1 for i in range(10)}
print(dict1)
键就是遍历出来的i，值就是键的基础上加 1。每循环遍历一轮，这个就生成一个键值对。
推导式可以推导出字典，也可以推导出列表。大括号、中括号、花括号都可以。
推导式改成小括号后是什么？
中括号是列表，花括号是字典，小括号是元组。
推导式改成小括号后，不再是个元组了，是个生成器。
# () 生成器表达式
tu = (i for i in range(10)) #生成器对象
print(tu)
三、2种方式创建生成器
1.生成器表达式
1.1 什么是生成器？
这里有很多数据，可以把它装到一个 “就像自动取筷盒，拿出一双筷子，自动下来一双筷子”，就是你要用的时候，它给你生成一个出来。
生成器不像列表，比如创建个列表，比如列表里面有一千个元素，创建列表的时候，那么这一千个元素已经被创建好放在列表里面了。生成器不是这样，它内部只保留了一个生成器计算的规则。
1.2 使用生成器的好处
生成器要生成一千个元素，这样：
tu = [i for i in range(1000)]#生成器对象
直接生成一千个元素的列表。改成生成器，这个生成器对象里面存储的是一个计算公式，并没有存储这一千条数据啊。
使用生成器来存储这些数据的话，相对于列表的优势是：不那么占内存。
一千条数据可能看不出效果，如果是一千万条数据往列表里面一放，那得占用多大的内存啊。如果是个生成器，里面就是个计算的规则，就是个生成的规则，没有那么多数据，节约内存，可以提高代码的性能。
1.3 拿生成器里面的数据，也可以一个一个得拿，怎么拿呢？
生成器表达式，打印出来是个生成器。
当然，可以通过list把它转换成一个列表。
tu = (i for i in range(1000))#生成器对象
print(list(tu))
它可以把生成器里面所有的元素都拿出来转换成列表。
通过生成器表达式来定义生成器，一次想拿一个元素，怎么拿呢？
Python 里面有个内置的函数，叫做next()。把生成器对象放进去，得到一个结果：
# () 生成器表达式
tu = (i for i in range(1000))#生成器对象
a = next(tu)
print(a)
print(next(tu))
交互环境中可以看到：
它依次生成，要的时候，从生成器里面拿一个出来就行了。你要用的时候就去拿，它就一直生成，它就把里面所有的元素都取出来。
1.4 所有的元素都取出来之后，我又拿了一次，它会出现什么情况呢？
会报错。
生成器可以用来节约内存，提高代码性能。生成器在于你什么时候用，你什么时候去取值。
2.函数里面，通过 yield 定义生成器
除了生成器表达式可以创建生成器，还有另外一个方式。Python 关键字里面有个yield参数。
yield这个关键字是用在函数里面的，这个关键字只能在函数里面用。
函数定义完之后，只要在函数里面调用函数，那就会执行函数里面的代码。
def gen_fun():
print('清菡 加油')
gen_fun()
如果当一个函数里面，有yield这个关键字：
def gen_fun():
yield
print('清菡 加油')
gen_fun()
这个时候再去运行这个函数，这个函数不会立即运行。
2.1 为什么不会立即运行呢？
这个函数运行的时候，默认是没有写return的。
def gen_fun():
# yield
print('清菡 加油')
res = gen_fun()
print(res)
如果函数里面出现了yield这个关键字，这个时候再看下。
函数没有写return，调用函数，它里面，代码没有执行，但是有返回结果，返回的结果是：
返回的是一个生成器。
通过yield定义出来的这个函数，是个生成器函数。
调用这个函数的时候，它会给你返回一个生成器对象。既然它是一个生成器对象，那么就可以通过next()来对它进行取值。
运行结果如下：
# 通过yield定义生成器
def gen_fun():
yield
print('清菡 加油')
res = gen_fun() #返回生成器对象
print(next(res))
你看到输出结果是：None
2.2 为什么是 None 呢？
生成器生成的元素在yield关键字后面。
# 通过yield定义生成器
def gen_fun():
yield 100
print('清菡 加油')
res = gen_fun() #返回生成器对象
print(next(res))
再写 2 个yield:
# 通过yield定义生成器
def gen_fun():
yield 100
print('清菡 加油')
yield 1000
yield 100100
res = gen_fun() #返回生成器对象
print(next(res))
生成器函数： 只有通过next()取值的时候，它才会执行函数里面的代码。
next()一次，就运行到第一个yield这里，把这个结果返回出来。然后到这个地方，暂停了不动了，不会往下走了。
如果在下面再next()，从生成器里面再获取一个元素：
print(next(res))
直到等到下一个next()取值。当你下一次从生成器函数里面取值的时候，才会触发下一个yield。
# 通过yield定义生成器
def gen_fun():
yield 100
print('清菡 加油')
yield 1000
yield 100100
res = gen_fun() #返回生成器对象
print(next(res))
print(next(res))
print(next(res))
但是如果全部都生成完了，再去取一次，就会报错：
因为里面已经没有元素了。
以上，生成器只有通过这 2 种方式定义。