一、生成器

1. 如何得到自定义的迭代器

【方法一】：在函数内一旦存在yield关键字，调用函数并不会执行函数体代码，会返回一个生成器对象，生成器即自定义的迭代器。
【方法二】：生成器表达式

反问：为什么自定义的迭代器叫做生成器 ???
答：这是 规定 !!!

'''案例说明:'''

def func():
    print('第一次运行：')
    yield 1
    print('第二次运行：')
    yield 2
    print('第三次运行：')
    yield 3

g = func() # 存在yield，调用函数func时并没有执行函数，而是得到了一个生成器对象
print(g)  # <generator object func at 0x0000029CDF636030>

'''2、解释生成器即为迭代器'''
#注意看下面的调用，g这个生成器对象有__iter__()和__next__()方法，说明g也是迭代器对象，印证了“生成器即自定义的迭代器”这句话
# g.__iter__()
# g.__next__()

'''3、函数调用'''
# g.__next__()    # 仅仅取一个值，遇到yield时鼠标光标会停留在yield返回值的后面，这里是停在了 1 后面；
# print(g.__next__())   # 运行这一行时注释g.__next__()，print(g.__next__())输出值为2；

def func():
    print('第一次运行：')
    yield 1
    print('第二次运行：')
    yield 2
    print('第三次运行：')
    yield 3

g = func()
g.__next__()   # 第一个yield返回值没有被接收和打印
#>输出：第一次运行：
print(g.__next__())    # 第二个yield返回值有被接收和打印
#>输出：
#    第二次运行：
#    2

2. 函数本身方法的使用，例如g.next()，等价于netx(g)

len('aaa') # 等价于 'aaa'.__len__()

next(g)    # 等价于 g.__next__()
iter(可迭代对象)     #等价于 可迭代对象.__iter__()

3. 总结yield

有了yield关键字，我们就有了一种自定义迭代器的实现方式。yield可以用于返回值，但不同于return，函数一旦遇到return就结束了，而yield可以保存函数的运行状态挂起函数，用来返回多次值

二、yield表达式

1、x =yield ，后面不接返回值，即返回None

x = yield None

2、注意：给生成器传值，实际上是传给了yield，yield再将接收的值赋值给x

'''案例：学习函数体有yield关键字时的代码执行逻辑'''
def people(name):
    print('大飞飞%s准备吃东西啦...' %name)
    while True:
        x = yield None
        print('大飞飞%s吃了 %s' %(name,x))

g = people('lulucy')  # 得到了一个迭代器对象，因为函数体有yield，所以也叫做生成器
print(g)   # 输出：<generator object dog at 0x000001D33ACD5F50>

res = next(g)   # 第一次执行next或send，是触发函数体的运行，执行到x=yield时鼠标光标会移动到x=yield正后方，返回值为None（打印res可知）,等待生成器再一次传值,代码被挂起
print(res)  # 获取到yield后面的返回值None

print('=========================')

next(g)  # 触发代码继续运行，先执行“print('大飞飞%s吃了 %s' %(name,x))”，执行到下一个循环到yield时代码再次挂起，等待下一次传值
g.send('鸡公煲')  # yield接收到的值为“鸡公煲”，此时将“鸡公煲”赋值给了x，出发代码继续运行，再次执行“print('大飞飞%s吃了 %s' %(name,x))”
g.send('三鲜煲')
g.close()        # 关闭生成器对象，后面无法继续传值
g.send('1111')   # 继续传值报错，StopIteration

三、三元表达式

【语法格式】： 条件成立时要返回的值 if 条件 else 条件不成立时要返回的值

1.举例：需求为比较两个数大小，引出三元表达式

'''案例：比较两个数大小'''

def func(x,y):
    if x > y:
        return x
    else:
        return y

res=func(1,2)
print(res)

2.使用三元表达式简化代码

def func(x, y):
    res = x if x > y else y
    return res

print(func(11,22))

四、生成式

4.1 列表生成式

'''需求：筛选出含有dsb的名字'''

l = ['alex_dsb', 'lxx_dsb', 'wxx_dsb', "xxq_dsb", 'egon']
new_l=[]

'''常规写法'''
for name in l:
    if name.endswith('dsb'):
        new_l.append(name)
print(new_l)

'''列表表达式'''
#筛选出含有dsb的名字
new_l = [name for name in l if name.endswith('dsb')]
print(f'列表表达式写法输出结果：{new_l}')

'''循环列表取值'''
new_l=[name for name in l] #  # 等价于 new_l = [列表.append(name) for name in l]
print(f'列表表达式遍历列表   ：{new_l}')

# 把所有小写字母全变成大写
new_l = [name.upper() for name in l]
print(f'把所有小写字母全变成大写:{new_l}')

# 把所有的名字去掉后缀'_dsb'
new_l = [name.replace('_dsb', '') for name in l]
print(f'把所有的名字去掉后缀"_dsb"：{new_l}')

4.2 字典生成式

keys=['name','age','gender']
dic={key:None for key in keys} # 将遍历出的列表值传给key，这里不加条件默认是true ==>等价于dic={key:None for key in keys if true}，
print(dic) # {'name': None, 'age': None, 'gender': None}

'''去掉列表中含有gender的项'''
items=[('name','egon'),('age',18),('gender','male')]
res={k:v for k,v in items if k != 'gender'}  # for循环先取出一个个元组，然后解压赋值给k和v，如果k不等于gender，则解压赋值传给k:v
print(res) # {'name': 'egon', 'age': 18}

4.3 集合生成式

keys=['name','age','gender']
set1 = {k for k in keys} # 等价于set1 = {集合.append(k) for k in keys }
print(set1, type(set1))  # {'name', 'age', 'gender'} <class 'set'>

4.4 生成器表达式

注：创建一个生成器对象有两种方式，一种是调用带yield关键字的函数，另一种就是生成器表达式

'''错误案例：无元组生成式，小括号是生成器表达式'''
#说明：元组没有append用法，所以不存在元组生成式

g = (i for i in range(1,10)) # 等价于 g = (元组.append(i) for i in range(1,10))
print(g)  # <generator object <genexpr> at 0x0000013BD06145F0>

'''正确案例：生成器表达式'''

g = (i for i in range(10))

# ！！！！！！！！！！！强调！！！！！！！！！！！！！！！
# 此刻g内部一个值也没有
print(g) # 得到一个生成器对象，<generator object <genexpr> at 0x7f1766c90660>

print(g.__next__()) # 0
print(g.__next__()) # 1
print(next(g))      # 2
print(next(g))      # 3
print(next(g))      # 抛出异常StopIteration

结论：如果range()里面是一个无穷大的数，for i in range(无穷大) 打印x的话会很占内存，对比列表生成式，生成器表达式的优点自然是节省内存（因为一次只产生一个值在内存中），如果没值则抛出StopIteration异常

思考：读取大文件内容，是一行行读取然后存到列表还是使用生成器读？

需求：读取文件，计算出文件中一共有多少个字符

案例：分别使用常规写法、列表表达式、生成器表达式读取文件中所有的字符长度总和

须知：sum()内置函数，传入的需要是可迭代对象

'''案例：传入sum里面的是可迭代对象，'''
# print(sum(1,2,3,4))  # TypeError: sum() takes at most 2 arguments (4 given)

print(sum([1,2,3,4,5,6])) # 21

'''案例说明'''

with open('aaa.txt', mode='rt',encoding='utf-8') as f:
# # 方式一：常规写法
    res=0
    for line in f:
        res+=len(line)
    print(f'方式一:{res}')

with open('aaa.txt', mode='rt',encoding='utf-8') as f:
# # 方式二：使用列表表达式，缺点是如果行数过多，列表里面的数也会过多，占内存
    res1 = 0
    res1 = sum([len(line) for line in f])
    print(f'方式二:{res1}')

with open('aaa.txt', mode='rt',encoding='utf-8') as f:
# # 方式三：使用生成器表达式，最简洁
    res2 = 0
    # g =(len(line) for line in f)   # 得到了一个可迭代对象
    # print(g)  # <generator object <genexpr> at 0x0000022A97EB45F0>
    
    # res2 = sum((len(line) for line in f)) # 等价于下方
    sum(len(line) for line in f)  # 等价于sum(g)
    print(f'方式三:{res2}')

五、函数的递归

一：递归的定义

函数的递归调用：是函数嵌套调用的一种特殊形式
具体是指：在调用一个函数的过程中又直接或者间接地调用到本身

递归算法:
1.函数直接或者间接调用自身
2.必须具有递归结束条件
3.每一次递归，问题规模缩小
4.python限制了递归深度（sys.getrecursionlimit()）

5.1 直接调用本身

def f1():
    print('是我是我还是我')
    f1()
f1()

5.2 间接接调用本身

def f1():
    print('===>f1')
    f2()

def f2():
    print('===>f2')
    f1()

f1()

5.3 一段代码循环运行的两种方案

方式一：while、for循环

while True:
    print(1111)
    print(2222)
    print(3333)

方式二：递归的本质就是循环：

def f1():
    print(1111)
    print(2222)
    print(3333)
    f1()
f1()

二：需要强调的的一点

【注】：递归调用不应该无限地调用下去，必须在满足某种条件下结束递归调用

n=0
while n < 10:
    print(n)
    n+=1


def f1(n):
    if n == 10:
        return
    print(n)
    n+=1
    f1(n)

f1(0)

三：递归的两个阶段

回溯：一层一层调用下去（注：回溯即递归调用，终止回溯即终止递归调用）
递推：满足某种结束条件，结束递归调用，然后一层一层返回

# age(5) = age(4) + 10
# age(4) = age(3) + 10
# age(3) = age(2) + 10
# age(2) = age(1) + 10
# age(1) = 18

def age(n):
    if n == 1:
        return 18
    return age(n-1) + 10


res=age(5)
print(res)

四：递归的应用

'''案例1：列表l中再叠加1层列表'''

l = [1,2,3,[4,5]]

for i in l:
    if type(i) ==list:
        for a in i:
            if type(a) ==list:
                pass
                # ..... 如果迭代很多层怎么办？我们发现重复执行的代码即函数本身，重复调用函数本身
                # .....
            else:
                print(a)
    else:
        print(i)

'''案例2：叠加很多层'''

l=[1,2,[3,[4,[5,[6,[7,[8,[9,10,11,[12,[13,]]]]]]]]]]

def f1(list1):
    for x in list1:
        if type(x) is list:
            # 如果是列表，应该再循环、再判断,即重新运行本身的代码
            f1(x)
        else:
            print(x)

f1(l)