• Python 生成器


    生成器

    什么是生成器

    ​ 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

    创建生成器方法1

    ​ 要创建一个生成器,有很多种方法。第一种方法很简单,只要把一个列表生成式的 [ ] 改成 ( )

    In [1]: L = [ x*2 for x in range(5)]
    
    In [2]: L
    Out[2]: [0, 2, 4, 6, 8]
    
    In [3]: G = ( x*2 for x in range(5) )
    
    In [4]: G
    Out[4]: <generator object <genexpr> at 0x045CFAE0>
    
    

    ​ 创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) , L 是一个列表,而 G 是一个生成器。我们可以直接打印出L的每一个元素,但我们怎么打印出G的每一个元素呢?如果要一个一个打印出来,可以通过 next() 函数获得生成器的下一个返回值

    In [5]: next(G)
    Out[5]: 0
    
    In [6]: next(G)
    Out[6]: 2
    
    In [7]: next(G)
    Out[7]: 4
    
    In [8]: next(G)
    Out[8]: 6
    
    In [9]: next(G)
    Out[9]: 8
    
    In [10]: next(G)
    ---------------------------------------------------------------------------
    StopIteration                             Traceback (most recent call last)
    <ipython-input-10-b4d1fcb0baf1> in <module>()
    ----> 1 next(G)
    
    StopIteration: 
    
    
    In [11]: G = ( x*2 for x in range(5))
    
    In [12]: for x in G:
        ...: 	print(x)
        ...: 
    0
    2
    4
    6
    8
    
    

    生成器保存的是算法,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 的异常。当然,这种不断调用 next() 实在是太变态了,正确的方法是使用 for 循环,因为生成器也是可迭代对象。所以,我们创建了一个生成器后,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 异常。

    创建生成器方法2

    ​ 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:

    In [13]: def fib(times):
        ...: 	n = 0
        ...: 	a,b = 0,1
        ...: 	while n < times:
        ...: 		print(b)
        ...: 		a,b = b,a + b
        ...: 		n += 1
        ...: 	return 'done'
        ...: 
    
    In [14]: fib(5)
    1
    1
    2
    3
    5
    Out[14]: 'done'
    
    

    ​ 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:

    In [16]: def fib(times):
        ...: 	n = 0
        ...: 	a,b = 0,1
        ...: 	while n < times:
        ...: 		yield b
        ...: 		a,b = b,a+b
        ...: 		n +=1
        ...: 	return 'done'
        ...: 
    
    In [17]: F = fib(5)
    
    In [18]: next(F)
    Out[18]: 1
    
    In [19]: next(F)
    Out[19]: 1
    
    In [20]: next(F)
    Out[20]: 2
    
    In [21]: next(F)
    Out[21]: 3
    
    In [22]: next(F)
    Out[22]: 5
    
    In [23]: next(F)
    ---------------------------------------------------------------------------
    StopIteration                             Traceback (most recent call last)
    <ipython-input-23-372178f5f53b> in <module>()
    ----> 1 next(F)
    
    StopIteration: done
    
    
    

    ​ 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:

    In [24]: for x in fib(5):
        ...: 	print(x)
        ...: 
    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:

    In [25]: g = fib(5)
    
    In [26]: while True:
       ....:     try:
       ....:         x = next(g)
       ....:         print("value:%d"%x)      
       ....:     except StopIteration as e:
       ....:         print("生成器返回值:%s"%e.value)
       ....:         break
       ....:     
    value:1
    value:1
    value:2
    value:3
    value:5
    生成器返回值:done
    
    

    send

    ​ 例子:执行到yield时,gen函数作用暂时保存,返回i的值;temp接收下次c.send("python")的“python”,send发送过来的值,c.next()等价c.send(None)

    In [10]: def gen():
       ....:     i = 0
       ....:     while i<5:
       ....:         temp = yield i
       ....:         print(temp)
       ....:         i+=1
       ....:
    
    

    使用next函数

    In [11]: f = gen()
    
    In [12]: next(f)
    Out[12]: 0
    
    In [13]: next(f)
    None
    Out[13]: 1
    
    In [14]: next(f)
    None
    Out[14]: 2
    
    In [15]: next(f)
    None
    Out[15]: 3
    
    In [16]: next(f)
    None
    Out[16]: 4
    
    In [17]: next(f)
    None
    ---------------------------------------------------------------------------
    StopIteration                             Traceback (most recent call last)
    <ipython-input-17-468f0afdf1b9> in <module>()
    ----> 1 next(f)
    
    StopIteration:
    
    

    使用__next__()方法

    In [18]: f = gen()
    
    In [19]: f.__next__()
    Out[19]: 0
    
    In [20]: f.__next__()
    None
    Out[20]: 1
    
    In [21]: f.__next__()
    None
    Out[21]: 2
    
    In [22]: f.__next__()
    None
    Out[22]: 3
    
    In [23]: f.__next__()
    None
    Out[23]: 4
    
    In [24]: f.__next__()
    None
    ---------------------------------------------------------------------------
    StopIteration                             Traceback (most recent call last)
    <ipython-input-24-39ec527346a9> in <module>()
    ----> 1 f.__next__()
    
    StopIteration:
    
    

    使用send

    In [43]: f = gen()
    
    In [44]: f.__next__()
    Out[44]: 0
    
    In [45]: f.send('haha')
    haha
    Out[45]: 1
    
    In [46]: f.__next__()
    None
    Out[46]: 2
    
    In [47]: f.send('haha')
    haha
    Out[47]: 3
    
    In [48]:
    
    

    总结

    ​ 生成器是这样一个函数,它记住上一次返回时在函数体中的位置。对生成器函数的第二次(或第 n 次)调用跳转至该函数中间,而上次调用的所有局部变量都保持不变。

    ​ 生成器不仅“记住”了它数据状态;生成器还“记住”了它在流控制构造(在命令式编程中,这种构造不只是数据值)中的位置。

    生成器的特点:

    1. 节约内存
    2. 迭代到下一次的调用时,所使用的参数都是第一次所保留下的,即是说,在整个所有函数调用的参数都是第一次所调用时保留的,而不是新创建的
  • 相关阅读:
    struts2的核心和工作原理
    JAVA NIO学习笔记1
    [深入JUnit] 测试运行的入口
    阿里巴巴最新开源项目
    数据库进阶之路(五)
    flutter 常用plugins
    小程序 自定义组件 并实现组件间通讯
    小程序 背景叠阴影
    小程序 navigateTo传对象参数
    小程序 解决同行cell中 多点击事件冲突
  • 原文地址:https://www.cnblogs.com/yangliguo/p/8158686.html
走看看 - 开发者的网上家园