理解 Python 生成器

理解 Python 生成器

一、总结

一句话总结：

【什么时候调用，什么时候计算并返回值】：生成器仅仅保存了一套生成数值的算法，并且没有让这个算法现在就开始执行，而是我什么时候调它，它什么时候开始计算一个新的值，并给你返回。

1、生成器定义？

在Python中，一边循环一边计算的机制，称为生成器：generator。

2、为什么要有生成器？

【列表耗内存】：列表所有数据都在内存中，如果有海量数据的话将会非常耗内存。

【空间浪费】：如果仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

【循环中不断推算】：如果列表元素按照某种算法推算出来，那我们就可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间。

【我又想要得到庞大的数据，又想让它占用空间少，那就用生成器！】

3、如何创建生成器？

【只要把一个列表生成式的[]改成()】：就创建了一个generator

例如将L = [x * x for x in range(10)] 变成 g = (x * x for x in range(10))

【函数中包含yield关键字】：如果一个函数中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。调用函数就是创建了一个生成器（generator）对象。

4、生成器的工作原理？

【next()方法】：生成器(generator)能够迭代的关键是它有一个next()方法，

【重复调用next()方法】：工作原理就是通过重复调用next()方法，直到捕获一个异常。

【yield相当于记住位置并return返回一个值】：yield相当于 return 返回一个值，并且记住这个返回的位置，下次迭代时，代码从yield的下一条语句开始执行。

【.send()和next()都能让生成器继续往下走一步】：.send() 和next()一样，都能让生成器继续往下走一步（下次遇到yield停），但send()能传一个值，这个值作为yield表达式整体的结果

5、对生成器理解的关键？

下次迭代时，代码从yield的下一条语句开始执行

#encoding:UTF-8
def yield_test(n):
    for i in range(n):
        yield call(i)
        print("i=",i)
    print("Done.")

def call(i):
    return i*2

for i in yield_test(5):
    print(i,",")

# 结果
>>>   
0 ,  
i= 0  
2 ,  
i= 1  
4 ,  
i= 2  
6 ,  
i= 3  
8 ,  
i= 4  
Done.>>>

二、彻底理解 Python 生成器

转自或参考：彻底理解 Python 生成器
https://www.cnblogs.com/liangmingshen/p/9706181.html

1. 生成器定义

在Python中，一边循环一边计算的机制，称为生成器：generator。

2. 为什么要有生成器

列表所有数据都在内存中，如果有海量数据的话将会非常耗内存。

如：仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。

如果列表元素按照某种算法推算出来，那我们就可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间。

简单一句话：我又想要得到庞大的数据，又想让它占用空间少，那就用生成器！

3.如何创建生成器

第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

 创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

方法二， 如果一个函数中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。调用函数就是创建了一个生成器（generator）对象。

4. 生成器的工作原理

（1）生成器(generator)能够迭代的关键是它有一个next()方法，

　　工作原理就是通过重复调用next()方法，直到捕获一个异常。

（2）带有 yield 的函数不再是一个普通函数，而是一个生成器generator。

　　可用next()调用生成器对象来取值。next 两种方式 t.__next__()  |  next(t)。

　　可用for 循环获取返回值（每执行一次，取生成器里面一个值）

　　（基本上不会用next()来获取下一个返回值，而是直接使用for循环来迭代）。

（3）yield相当于 return 返回一个值，并且记住这个返回的位置，下次迭代时，代码从yield的下一条语句开始执行。

（4）.send() 和next()一样，都能让生成器继续往下走一步（下次遇到yield停），但send()能传一个值，这个值作为yield表达式整体的结果

　　——换句话说，就是send可以强行修改上一个yield表达式值。比如函数中有一个yield赋值，a = yield 5，第一次迭代到这里会返回5，a还没有赋值。第二次迭代时，使用.send(10)，那么，就是强行修改yield 5表达式的值为10，本来是5的，那么a=10

感受下yield返回值的过程（关注点：每次停在哪，下次又开始在哪）及send()传参的通讯过程，

思考None是如何产生的（第一次取值：yield 返回了 i 值 0，停在yield i，temp没赋到值。第二次取值，开始在print，temp没被赋值，故打印None，i加1，继续while判断，yield  返回了 i 值 1，停在yield i）：

 

好了，话不多说，翠花，上栗子：

#encoding:UTF-8  
def yield_test(n):  
    for i in range(n):  
        yield call(i)  
        print("i=",i)      
    print("Done.")  
  
def call(i):  
    return i*2  
  
for i in yield_test(5):  
    print(i,",")

　　结果：

>>>   
0 ,  
i= 0  
2 ,  
i= 1  
4 ,  
i= 2  
6 ,  
i= 3  
8 ,  
i= 4  
Done.
>>>

 理解的关键在于：下次迭代时，代码从yield的下一条语句开始执行。

 

 总结：

什么是生成器？

生成器仅仅保存了一套生成数值的算法，并且没有让这个算法现在就开始执行，而是我什么时候调它，它什么时候开始计算一个新的值，并给你返回。

 

练习题：

def count_down(n):
    while n >= 0:
        newn = yield n
        print('newn', newn)
        if newn:
            print('if')
            n = newn
            print('n =', n)
        else:
            n -= 1


cd = count_down(5)
for i in cd:
    print(i, ',')
    if i == 5:
        cd.send(3)

结果：