13518219792
在python编译器中，新建一个空白的PYTHON文档;输入:
吉林网站制作公司哪家好，找创新互联！从网页设计、网站建设、微信开发、APP开发、响应式网站开发等网站项目制作，到程序开发，运营维护。创新互联自2013年创立以来到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选创新互联。
n = float(input("Please input a number: "))
if n % 2 == 0:
print("This is an even")
elif n % 2 != 0:
print("This is an odd")
如果输入的数字是偶数，输出的文字为“This is an even”。如果输入的数字是奇数，输出的文字为“This is an odd”。
python怎么判断奇数偶数
1、首先打开JUPYTER NOTEBOOK，新建一个空白的PYTHON文档。也可以用其它编译器的。
2、输入以下内容：
num1 = int(input("Please input a number: "))
num2 = int(input("Please input a number: "))
if num1 % num2 == 0:
print("This is OK.")
elif num1 % num2 != 0:
print("This is NOT OK")
如果输入的数字为偶数，文档就会返回文字"This is OK”;如果输入的数字是奇数，文档就会返回文字"This is NOT OK”。
生成器(generator)概念
生成器不会把结果保存在一个系列中，而是保存生成器的状态，在每次进行迭代时返回一个值，直到遇到StopIteration异常结束。
生成器语法
生成器表达式： 通列表解析语法，只不过把列表解析的[]换成()
生成器表达式能做的事情列表解析基本都能处理，只不过在需要处理的序列比较大时，列表解析比较费内存。
Python
1
2
3
4
5
6
7
8
9
10
11
gen = (x**2 for x in range(5))
gen
generator object genexpr at 0x0000000002FB7B40
for g in gen:
... print(g, end='-')
...
0-1-4-9-16-
for x in [0,1,2,3,4,5]:
... print(x, end='-')
...
0-1-2-3-4-5-
生成器函数： 在函数中如果出现了yield关键字，那么该函数就不再是普通函数，而是生成器函数。
但是生成器函数可以生产一个无线的序列，这样列表根本没有办法进行处理。
yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator。
下面为一个可以无穷生产奇数的生成器函数。
Python
1
2
3
4
5
6
7
8
9
10
11
def odd():
n=1
while True:
yield n
n+=2
odd_num = odd()
count = 0
for o in odd_num:
if count =5: break
print(o)
count +=1
当然通过手动编写迭代器可以实现类似的效果，只不过生成器更加直观易懂
Python
1
2
3
4
5
6
7
8
9
10
11
class Iter:
def __init__(self):
self.start=-1
def __iter__(self):
return self
def __next__(self):
self.start +=2
return self.start
I = Iter()
for count in range(5):
print(next(I))
题外话： 生成器是包含有__iter()和next__()方法的，所以可以直接使用for来迭代，而没有包含StopIteration的自编Iter来只能通过手动循环来迭代。
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
from collections import Iterable
from collections import Iterator
isinstance(odd_num, Iterable)
True
isinstance(odd_num, Iterator)
True
iter(odd_num) is odd_num
True
help(odd_num)
Help on generator object:
odd = class generator(object)
| Methods defined here:
|
| __iter__(self, /)
| Implement iter(self).
|
| __next__(self, /)
| Implement next(self).
......
看到上面的结果，现在你可以很有信心的按照Iterator的方式进行循环了吧！
在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
yield 与 return
在一个生成器中，如果没有return，则默认执行到函数完毕时返回StopIteration；
Python
1
2
3
4
5
6
7
8
9
10
11
def g1():
... yield 1
...
g=g1()
next(g) #第一次调用next(g)时，会在执行完yield语句后挂起，所以此时程序并没有执行结束。
1
next(g) #程序试图从yield语句的下一条语句开始执行，发现已经到了结尾，所以抛出StopIteration异常。
Traceback (most recent call last):
File "stdin", line 1, in module
StopIteration
如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。
Python
1
2
3
4
5
6
7
8
9
10
11
12
def g2():
... yield 'a'
... return
... yield 'b'
...
g=g2()
next(g) #程序停留在执行完yield 'a'语句后的位置。
'a'
next(g) #程序发现下一条语句是return，所以抛出StopIteration异常，这样yield 'b'语句永远也不会执行。
Traceback (most recent call last):
File "stdin", line 1, in module
StopIteration
如果在return后返回一个值，那么这个值为StopIteration异常的说明，不是程序的返回值。
生成器没有办法使用return来返回值。
Python
1
2
3
4
5
6
7
8
9
10
11
def g3():
... yield 'hello'
... return 'world'
...
g=g3()
next(g)
'hello'
next(g)
Traceback (most recent call last):
File "stdin", line 1, in module
StopIteration: world
生成器支持的方法
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
help(odd_num)
Help on generator object:
odd = class generator(object)
| Methods defined here:
......
| close(...)
| close() - raise GeneratorExit inside generator.
|
| send(...)
| send(arg) - send 'arg' into generator,
| return next yielded value or raise StopIteration.
|
| throw(...)
| throw(typ[,val[,tb]]) - raise exception in generator,
| return next yielded value or raise StopIteration.
......
close()
手动关闭生成器函数，后面的调用会直接返回StopIteration异常。
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
def g4():
... yield 1
... yield 2
... yield 3
...
g=g4()
next(g)
1
g.close()
next(g) #关闭后，yield 2和yield 3语句将不再起作用
Traceback (most recent call last):
File "stdin", line 1, in module
StopIteration
send()
生成器函数最大的特点是可以接受外部传入的一个变量，并根据变量内容计算结果后返回。
这是生成器函数最难理解的地方，也是最重要的地方，实现后面我会讲到的协程就全靠它了。
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
def gen():
value=0
while True:
receive=yield value
if receive=='e':
break
value = 'got: %s' % receive
g=gen()
print(g.send(None))
print(g.send('aaa'))
print(g.send(3))
print(g.send('e'))
执行流程：
通过g.send(None)或者next(g)可以启动生成器函数，并执行到第一个yield语句结束的位置。此时，执行完了yield语句，但是没有给receive赋值。yield value会输出初始值0注意：在启动生成器函数时只能send(None),如果试图输入其它的值都会得到错误提示信息。
通过g.send(‘aaa’)，会传入aaa，并赋值给receive，然后计算出value的值，并回到while头部，执行yield value语句有停止。此时yield value会输出”got: aaa”，然后挂起。
通过g.send(3)，会重复第2步，最后输出结果为”got: 3″
当我们g.send(‘e’)时，程序会执行break然后推出循环，最后整个函数执行完毕，所以会得到StopIteration异常。
最后的执行结果如下：
Python
1
2
3
4
5
6
7
got: aaa
got: 3
Traceback (most recent call last):
File "h.py", line 14, in module
print(g.send('e'))
StopIteration
throw()
用来向生成器函数送入一个异常，可以结束系统定义的异常，或者自定义的异常。
throw()后直接跑出异常并结束程序，或者消耗掉一个yield，或者在没有下一个yield的时候直接进行到程序的结尾。
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
def gen():
while True:
try:
yield 'normal value'
yield 'normal value 2'
print('here')
except ValueError:
print('we got ValueError here')
except TypeError:
break
g=gen()
print(next(g))
print(g.throw(ValueError))
print(next(g))
print(g.throw(TypeError))
输出结果为：
Python
1
2
3
4
5
6
7
8
normal value
we got ValueError here
normal value
normal value 2
Traceback (most recent call last):
File "h.py", line 15, in module
print(g.throw(TypeError))
StopIteration
解释：
print(next(g))：会输出normal value，并停留在yield ‘normal value 2’之前。
由于执行了g.throw(ValueError)，所以会跳过所有后续的try语句，也就是说yield ‘normal value 2’不会被执行，然后进入到except语句，打印出we got ValueError here。然后再次进入到while语句部分，消耗一个yield，所以会输出normal value。
print(next(g))，会执行yield ‘normal value 2’语句，并停留在执行完该语句后的位置。
g.throw(TypeError)：会跳出try语句，从而print(‘here’)不会被执行，然后执行break语句，跳出while循环，然后到达程序结尾，所以跑出StopIteration异常。
下面给出一个综合例子，用来把一个多维列表展开，或者说扁平化多维列表)
Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
def flatten(nested):
try:
#如果是字符串，那么手动抛出TypeError。
if isinstance(nested, str):
raise TypeError
for sublist in nested:
#yield flatten(sublist)
for element in flatten(sublist):
#yield element
print('got:', element)
except TypeError:
#print('here')
yield nested
L=['aaadf',[1,2,3],2,4,[5,[6,[8,[9]],'ddf'],7]]
for num in flatten(L):
print(num)
如果理解起来有点困难，那么把print语句的注释打开在进行查看就比较明了了。
总结
按照鸭子模型理论，生成器就是一种迭代器，可以使用for进行迭代。
第一次执行next(generator)时，会执行完yield语句后程序进行挂起，所有的参数和状态会进行保存。再一次执行next(generator)时，会从挂起的状态开始往后执行。在遇到程序的结尾或者遇到StopIteration时，循环结束。
可以通过generator.send(arg)来传入参数，这是协程模型。
可以通过generator.throw(exception)来传入一个异常。throw语句会消耗掉一个yield。可以通过generator.close()来手动关闭生成器。
next()等价于send(None)
比如判断数字5050是奇数还是偶数
num=5050
if (num%2)==0:
print("even")
else:
print("odd")
#测试
print(isnub('123'))
print(isnub('abc'))
print(isnub('123.123'))
print(isnub('-123.123'))
print(isnub('-1.609E-19'))
关于奇数和偶数，有下面的性质：
（1）两个连续整数中必有一个奇数和一个偶数；
（2）奇数+奇数=偶数；偶数+奇数=奇数；偶数+偶数+...+偶数=偶数；
（3）奇数-奇数=偶数；偶数-奇数=奇数；奇数-偶数=奇数；
（4）若a、b为整数，则a+b与a-b有相同的奇偶性，即a+b与a-b同为奇数或同为偶数；
（5）n个奇数的乘积是奇数，n个偶数的乘积是偶数；算式中有一个是偶数，则乘积是偶数；
以上内容参考：百度百科-奇数
1‘获取奇数和偶数列表可以不用for循环的形式，使用一句列表表达式即可实现，方法如下，首先在按下开始菜单打开jupyter notebook：
2、在空白的python文件中输入代码，这里定义两个数组其中odd代表偶数，even代表奇数，列表中先用range遍历1到20的数，然后用if语句判断x除以2的值，若为1则是奇数2，若为0则为偶数，最后在打印结果一即可：
3、最后鼠标点击每个代码块并按下crtl＋回车键运行，最后即可看到两个列表的结果。以上就是python得到1~20的奇数列表与偶数列表的方法，用列表表达式的方法不光代码简洁，而且运行速度也比较快：
用于返回条件本身。
odd一种更简单的方法，用于返回条件本身。例如，你不想使用while循环，一个简单的if就可以了。没有的原因是while循环没有在偶数条件下运行，因此没有返回。
def test(n):
d={'odd':0,'even':0}
if isinstance(int(n),int):
for x in str(n):
if int(x)%2==0:
d['even']+=1
else:
d['odd']+=1
return d
n=input('请输入正整数:')
print(test(n))
