生成器
标签（空格分隔）： 未分类
一、列表生成式
主要作用：让代码更简洁
#常规方式创建列表
a = [1,2,3]
#通过循环创建列表
b = []
for i in range(10):
b.append(i*2)
#使用列表生成式
c = [i*2 for i in range(10)]
d = [fun(i) for i in range(10)]
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。
- 生成器只有在调用时才会生成相应的数据
- 只记录当前位置
- 只有一个_next_()方法
1、创建generator
方法一：通过列表生成式
把列表生成式的[]改成()，就创建了一个generator
#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。
>>> 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 0x0000000001EB82B0>
方法二：通过函数
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：
>>> def fib(max):
... n,a,b = 0, 0, 1
... while n < max:
... print (b)
... a,b = b, a+b
... n = n+1
... return 'done'
...
>>> fib (5)
1
1
2
3
5
'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]
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：
>>> def fib(max):
... n,a,b = 0,0,1
... while n < max:
... yield b
... a, b = b, a+b
... n += 1
... return 'done'
...
>>> fib(6)
<generator object fib at 0x0000000001EA82B0>
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:顺序执行，遇到return语句或者最后一行函数语句就返回。
- generator: 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。
2、访问generator
方法一：通过next()函数
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：
>>> g = (x*x for x in range(3))
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
##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。
##请思考：我们没法预先知道generator的长度，怎样才能怎样才能不出错呢？
方法二：通过for循环
不断调用next(g)实在是太机械了，正确的方法是使用for循环，因为generator也是可迭代对象：
##通过for循环打印列表生成式生成的generator
>>> g = (x*x for x in range(3))
>>> for i in g:
... print(i)
...
0
1
4
##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。
##通过for循环来打印通过函数生成的generator
>>> def fib(max):
... n,a,b = 0,0,1
... while n < max:
... yield b
... a, b = b, a+b
... n += 1
... return 'done'
...
>>> for n in fib(6):
... print (n)
...
1
1
2
3
5
8
## 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：
>>> g = fib(6)
>>> while True:
... try:
... x = next(g)
... print ('g:' , x)
... except StopIteration as e:
... print ('Generator return value:', e.value)
... break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
##由于此时fib()并不再是函数，而是一个生成器，那这个return语句还有什么用呢？
1、return语句意味着生成器停止执行
2、return语句可以用来打印异常
三、总结
生成器是一个包含yield关键字的函数。当它被调用时，在函数体中的代码不会被执行，而会返回一个迭代器。每次请求一个值，就会执行生成器中的代码，直到遇到一个yield或者return语句。yield语句意味着应该生成一个值。return语句意味着生成器要停止执行（不再生成任何东西，return语句只有在一个生成器中使用时才能进行无参数调用）
换句话说，生成器是由两部分组成：生成器的函数和生成器的迭代器。生成器的函数是用def语句定义的，包含yield的部分，生成器的迭代器是这个函数返回的部分。按一种不是很准确的说法，两个实体经常被当做一个，合起来就做生成器。
生成器函数返回的迭代器可以像其他的迭代器那样使用。
通过yield实现在单线程的情况下实现并发运算的效果
import time
def consumer(name):
print("%s 准备吃包子啦!" %name)
while True:
baozi = yield
print("包子[%s]来了,被[%s]吃了!" %(baozi,name))
c = consumer("ChenRonghua")
c.__next__()
# b1= "韭菜馅"
# c.send(b1)
# c.__next__()
def producer(name):
c = consumer('A')
c2 = consumer('B')
c.__next__()
c2.__next__()
print("老子开始准备做包子啦!")
for i in range(10):
time.sleep(1)
print("做了1个包子,分两半!")
c.send(i)
c2.send(i)
producer("alex")
##注意next和send的作用
next：调用yeild，不传值
send：调用yeild，同时给yeild传值