python-生成器

生成器

简述

如果函数中有yield关键字，那么这个函数就是生成器函数，

每次调用该函数都会返回一个生成器对象。

生成器是一个迭代器，但是迭代器不一定是一个生成器

举个栗子

def gen():
    for i in range(0, 3):
        yield i

gen1 = gen()
gen2 = gen()
print(gen1, gen2)
#<generator object gen at 0x00000000024C01B0> <generator object gen at 0x00000000024C04F8>

生成器工作原理

以下面的代码为例来说明

def gen():
    print("starts")
    yield 1
    print("continue")
    yield 2
    print("end")

gen1 = gen()
print(next(gen1)) #start 1
print(next(gen1)) #continue 2
print(next(gen1)) #StopIteration

说明

（1）当调用生成器函数时，会创建一个生成器对象（gen1），这个对象包装生成器函数的定义体

（2）当把生成器对象传递给next函数时，生成器函数会向前执行函数定义体中的下一个yield语句，返回生成的值，并在当前位置暂停

（3）最终函数定义体返回时，外层的生成器对象抛出StopIteration异常

生成器特性

（1）保存执行上下文

def fib():
    a, b = 0, 1
    while True:
        yield b
        a, b = b, a + b

gen = fib()
print(next(gen)) #1
print(next(gen)) #1
print(next(gen)) #2
print(next(gen)) #3
print(next(gen)) #5
print(next(gen)) #8
print(next(gen)) #13
print(next(gen)) #21

（2）利用next函数与调用的代码进行交互

生成器解析

gen = (i for i in range(10))
print(gen) #<generator object <genexpr> at 0x00000000020B01B0>
print(type(gen)) #<class 'generator'>
print(next(gen)) #0
print(next(gen)) #1

应用场景

每次你需要返回一个序列的函数或在循环中运行的函数时，都应该考虑到生成器

栗子1

 使用生成器的数据流缓冲

使用这些数据的第三方代码可以暂停、恢复、和停止生成器，在开始这一过程之前无需导入所有的数据

栗子2

对于基于某些序列的数据转换算法，生成器有助于降低算法的复杂度并提高效率

参考资料：《python高级编程》