我们先考虑一个场景:
有个情景需要循环输出1——10.
这里给两种方法:
list1 = [1,2,3,4,5,6,7,8,9,10] for i in list1: print(i)
for i in range(1,11): print(i)
两种方式输出结果一样,但是我们考虑一下,如果要求输出1——1000000呢?
第一种方式会导致list1里面真实放入1000000长度的数字,占用空间很大,明显不是明智之举,
再来看第二种方法,用到range帮助我们生成数据,在python3中range的本质就是一个生成器。
在python2中:range返回的是一个等差列表,比如[0,1,2,3,4,5,6,7,```````], 而xrange才是返回一个生成器对象. 即python2 range()==[```````````````````], python2 xrange()==python3 range()
具体对比查看:https://blog.csdn.net/humanking7/article/details/45950967
(一)这里写一个函数,在生成器函数的名称中加上gen 前缀或后缀,不过这不是必要的习惯:
1 def gen_create_range(start,end): 2 3 while start < end: 4 yield start 5 start += 1 6 7 for i in gen_create_range(1,5): 8 print(i)
#output:
1
2
3
4
这个函数没有return 但是可以有返回值,注意看里面有个yield关键字,这个函数和range()函数很像。
(二)什么是生成器:函数定义中包含yield关键字那么函数就变成了生成器。
概念: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
生成器表达式: 通列表解析语法,只不过把列表解析的[]换成()
g= (x**2 for x in range(5)) print g >> <generator object <genexpr> at 0x0000000002771798> #如果、 L=[x**2 for x in range(5)] print L >> [0, 1, 4, 9, 16]
也就是说: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
1).函数中只要出现了yield语句就会将其转变成一个生成器函数
-
特别之处在于,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
-
与普通函数不一样,生成器值会在迭代操作的时候才能运行.yiled可以把函数中断,保存状态和继续执行的能力
好比一个武打片里面的慢镜头回放,yield把函数里面你要保存的值中断并保存,你通过调用next()来回放
比如:
def countdown(n): print('Starting to count from',n) while n>0: yield n n-=1 print('done') c=countdown(3) print(c) >> <generator object countdown at 0x0000000002821828> #表示这是一个生成器
2).调用该generator时,首先要生成一个generator对象,然后用next()函数不断获得下一个返回值
比如:
c=countdown(3) #run the first yield and emit a value print(next(c)) >> Starting to count from 3 3 #run the next yield print(next(c)) >> 2 #run the next yield print(next(c)) >> 1 #run the next yield print(next(c)) >> done print next(c) StopIteration
深入解释:
你把yield想象成时间断点,运行一次next就回放一下,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
-
第一次next()是打印了 print('Starting to count from',n),提取第一次的保存值是3
-
第二次再运行next()是继续在while里面的断点接着走,所以没有打印print('Starting to count from',n), 而是直接提取第二次的保存值2
-
第三次再运行next()是继续在while里面的断点接着走,所以直接输出1
-
第四次再运行next()的时候,发现yield缓存的武打片慢镜头都已经放完了,所以输出done之后,报了个错StopIteration
3).生成器函数用for循环
for n in countdown(6): print(n) >> Starting to count from 6 6 5 4 3 2 1 done
正确的方法是使用for循环,因为generator也是可迭代对象
4yield 与 return相爱相杀
1).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
def gen1(): yield 100 g1=gen1() print(next(g1)) >>100
第一次调用next(g1)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。
print(next(g1)) >> Traceback (most recent call last): File "C:/about_gen.py", line 71, in <module> print(next(g1)) StopIteration
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
2).如果遇到return,如果在执行过程中 return,则直接抛出 StopIteration 终止迭代
def gen2(): yield 200 return yield 300 g2=gen2() print(next(g2)) >>200 # 程序停留在执行完yield 200语句后的位置 print(next(g2)) >> File "C:/about_gen.py", line 82, in <module> print(next(g2)) StopIteration
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
生成器这个概念一开始很难理解,有点古怪,但是时间久了才知道他的妙用
另外生成器函数是没有办法使用return来返回值