Python语言学习讲解十一:生成器表达式改写较大的列表推导
2016-11-23 16:54
579 查看
注:每周一到周五都会进行相关Python基础知识更新,欢迎大家提宝贵的意见
列表推导的缺点是:在列表推导过程中,对于输入序列中的每个值来说,可能都要创建仅含一项元素的全新列表。当输入的数据比较少时,不会出现问题。但如果输入数据非常多,那么可能会消耗大量内存,并导致程序崩溃。
ge:
要读取一份文件并返回每行的字符数。若采用列表推导式来做,则需要把文件每一行的长度都保存在内存中。如果这个文件特别大,那么这种列表推导式就会出现问题。
ml = [len(x) for x in open('/tem/my_file.txt')]
print ml
>>>[28,37,43,5,6,7]
为了解决此问题,python提供了生成器表达式(generator expression),它是对列表推导和生成器的一种泛化。生成器表达式在运行的时候,并不会把整个输出序列都呈现出来,而是会估值为迭代器(iterator),这个迭代器每次都可以根据生成器表达式产生一项数据
*****把实现列表推导式所使用的那种写法放在一对圆括号中,就构成了生成器表达式。******
二者的区别在于:
对生成器表达式求值的时候,他会立即返回一个迭代器,而不会深入处理文件中的字符。
>>> it = (len(x) for x in ['aaaa','bbbbb'])
>>> it
<generator object <genexpr> at 0x028BFC88>
以刚才返回的it迭代器为参数,调用内置函数next(),即可使其按着生成器表达式来输出一个值。多次命令迭代器根据生成表达式来生成新值,而不用担心内存用量激增。
>>> print next(it)
4
>>> print next(it)
5
>>> print next(it)
Traceback (most recent call last):
File "<pyshell#79>", line 1, in <module>
print next(it)
StopIteration
使用生成器表达是还有个好处是:可以相互结合。
its = ((x, x**2) for x in it)##注意此处的it为可迭代对象哦
print
next(its)
最后需要注意一点就是:由生成器表达式所返回的那个迭代器是有状态的,用过一轮之后,就不要重复使用了。
总结:
1、当输入的数据量较大时,列表推导式可能会因为占用太多内存而出现问题
2、由生产器表达式所返回的迭代器,可以逐次产生输出值,从而避免了内存用量问题
3、可以进行结合使用
4、串在一起的生成器表达式执行速度很快
列表推导的缺点是:在列表推导过程中,对于输入序列中的每个值来说,可能都要创建仅含一项元素的全新列表。当输入的数据比较少时,不会出现问题。但如果输入数据非常多,那么可能会消耗大量内存,并导致程序崩溃。
ge:
要读取一份文件并返回每行的字符数。若采用列表推导式来做,则需要把文件每一行的长度都保存在内存中。如果这个文件特别大,那么这种列表推导式就会出现问题。
ml = [len(x) for x in open('/tem/my_file.txt')]
print ml
>>>[28,37,43,5,6,7]
为了解决此问题,python提供了生成器表达式(generator expression),它是对列表推导和生成器的一种泛化。生成器表达式在运行的时候,并不会把整个输出序列都呈现出来,而是会估值为迭代器(iterator),这个迭代器每次都可以根据生成器表达式产生一项数据
*****把实现列表推导式所使用的那种写法放在一对圆括号中,就构成了生成器表达式。******
二者的区别在于:
对生成器表达式求值的时候,他会立即返回一个迭代器,而不会深入处理文件中的字符。
>>> it = (len(x) for x in ['aaaa','bbbbb'])
>>> it
<generator object <genexpr> at 0x028BFC88>
以刚才返回的it迭代器为参数,调用内置函数next(),即可使其按着生成器表达式来输出一个值。多次命令迭代器根据生成表达式来生成新值,而不用担心内存用量激增。
>>> print next(it)
4
>>> print next(it)
5
>>> print next(it)
Traceback (most recent call last):
File "<pyshell#79>", line 1, in <module>
print next(it)
StopIteration
使用生成器表达是还有个好处是:可以相互结合。
its = ((x, x**2) for x in it)##注意此处的it为可迭代对象哦
next(its)
最后需要注意一点就是:由生成器表达式所返回的那个迭代器是有状态的,用过一轮之后,就不要重复使用了。
总结:
1、当输入的数据量较大时,列表推导式可能会因为占用太多内存而出现问题
2、由生产器表达式所返回的迭代器,可以逐次产生输出值,从而避免了内存用量问题
3、可以进行结合使用
4、串在一起的生成器表达式执行速度很快
相关文章推荐
- Python学习笔记2:构造序列:列表推导和生成器表达式
- Python语言学习讲解十:列表推导式
- 第9条:用生成器表达式来改写数据量较大的列表推导式
- Python语言学习讲解五:列表(List)操作方法详解
- python 列表推导和生成器表达式
- 004_002 Python 列表推导 列表函数调用 生成器表达式 生成列表
- python 列表表达式和生成器表达式
- Python基础:08列表解析与生成器表达式
- 【python】对列表的过滤, 列表解析,生成器表达式
- python3.4学习笔记(十一) 列表、数组实例
- Python学习笔记:Python的lambda表达式与列表表达式
- Python语法实践之初探列表推导与生成器
- python学习:数组之列表推导
- 使用生成器返回fibs列表 分类: python Module python基础学习 2013-10-28 18:19 283人阅读 评论(0) 收藏
- Python while、for、生成器、列表推导等语句的执行效率测试
- python2.7学习笔记(6) ——高级特性:切片、迭代、列表生成式、生成器
- Python里有趣的列表解析和生成器表达式
- Python学习4:生成器、lamda表达式及map、reduce、filter函数
- Python学习4:生成器、lamda表达式及map、reduce、filter函数
- [转]Python里有趣的列表解析和生成器表达式