生成器

一，列表生成式

ls = [i*i for i in range(10)]
ls
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

ge = (i*i for i in range(10)) #将[]改为（）就是一个生成器
ge
<generator object at 0x0000000003389468>

二、生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们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。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

列表可以直接打印出来，也可以切片打印，那么生成器如何打印呢？只有一个内置方法next，每次打印一个，不能跳跃，也不能回退，因为生成器只在调用的时候生成数据，也不会记住之前的

ge.next()
0
ge.next()
1

我们讲过，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：

1 ge = (i*i for i in range(10))
2 for n in ge:
3     print(n)

所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

1 def fib(max):
2     n, a, b = 0, 0, 1
3     while n < max:
4         print(b)
5         a, b = b, a + b
6         n = n + 1
7     return 'done'

注意，赋值语句：a, b ``= b, a ``+ b

相当于：

t ``=` `(b, a ``+` `b) ``# t是一个tuple
a ``=` `t[``0``]
b ``=` `t[``1``]

上面的函数可以输出斐波那契数列的前N个数：

fib = fib(10)
print(fib)

1
1
2
3
5
8
13
21
34
55done

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

 1 def fib(max):
 2     n, a, b = 0, 0, 1
 3     while n < max:
 4         # print(b)
 5         yield b
 6         a, b = b, a + b
 7         n = n + 1
 8     return 'done'
 9 f = fib(10)
10 print(f)

<generator object fib at 0x0000000000D40F10>

这样fib(max）和f就是一个新的生成器，f表示这个生成器最多有10个值

这就是定义generator的另一种方法。如果一个函数定义中包含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：

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行：比如第一次next执行到第五行就返回b = 1，第二个next，从第5行开始执行，到下次执行到yield，返回b = 2

data = fib(10)
print(data)

print(data.__next__())
print(data.__next__())
print("干点别的事")
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
print(data.__next__())
#输出
1
1
干点别的事
2
3
5
8
13

在上面fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

f = fib(5)
for i in f:
    print(i)

输出：
1
1
2
3
5

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

 1 f = fib(5)
 2 while True:
 3     try:
 4         x = next(f)
 5         print('f:',x)
 6     except StopIteration as e:
 7         print('Generator return value:', e.value)
 8         break
 9 
10 输出：
11 f: 1
12 f: 1
13 f: 2
14 f: 3
15 f: 5
16 Generator return value: done

扩展：通过yield实现在单线程的情况下实现并发运算的效果

 1 import time
 2 def consumer(name):     #此函数代表顾客吃包子
 3     print("%s 准备吃包子啦!" %name)
 4     while True:
 5        baozi = yield
 6 
 7        print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
 8 
 9 
10 def producer(name):     #表示生产包子
11     c = consumer('A')   #定义生成器c
12     c2 = consumer('B')  #定义生成器c2
13     c.__next__()    #此时生成器c开始执行到yield处停止，期间打印 A准备吃包子了，此时baozi = yield = None
14     c2.__next__()   #此时生成器c2开始执行到yield处停止，期间打印 B准备吃包子了，此时baozi = yield = None
15     print("老子开始准备做包子啦!")
16     for i in range(10):
17         time.sleep(1)
18         print("做了2个包子!")
19         c.send(i)   #cend方法将上次执行停止的生成器c唤醒继续执行，并将i的值传给yield，此时baozi = yield = 0
20         c2.send(i)
21 
22 producer("alex")

输出：

 1 A 准备吃包子啦!
 2 B 准备吃包子啦!
 3 老子开始准备做包子啦!
 4 做了2个包子!
 5 包子[0]来了,被[A]吃了!
 6 包子[0]来了,被[B]吃了!
 7 做了2个包子!
 8 包子[1]来了,被[A]吃了!
 9 包子[1]来了,被[B]吃了!
10 做了2个包子!
11 包子[2]来了,被[A]吃了!
12 包子[2]来了,被[B]吃了!
13 做了2个包子!
14 包子[3]来了,被[A]吃了!
15 包子[3]来了,被[B]吃了!
16 。。。。。。。