生成器的定义
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。
生成器的创建
生成器可以用两种方式创建:
-
生成器表达式 (里面是推导式,外面用圆括号)
-
生成器函数 (用def定义,里面含有yield)
生成器表达式
要创建一个generator,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
()
,就创建了一个generator:
li = [x * x for x in range(10)]print(li)# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]g = (x * x for x in range(10))print(g)# <generator object <genexpr> at 0x000001A72D5D2E08>
生成器函数(yield)
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, 1while n < max:print(b)a, b = b, a + bn = n + 1return \'done\'# 注意,这里的赋值语句 a, b = b, a + b# 相当于# t = (b, a + b) # t是一个tuple# a = t[0]# b = t[1]# 但不必显式写出临时变量t就可以赋值。
上面的函数可以输出斐波那契数列的前N个数:
print(fib(6))# 1# 1# 2# 3# 5# 8# 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:
def fib(max):n, a, b = 0, 0, 1while n < max:yield ba, b = b, a + bn = n + 1return \'done\'
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:
f = fib(6)print(f)# <generator object fib at 0x000001AB51492E08>
生成器的调用
调用生成器的方式:
-
next()
函数
-
for
循环
-
for
循环 +
next()
函数
next()函数
创建
li
和
g
的区别仅在于最外层的
[]
和
()
,
li
是一个list,而
g
是一个generator。
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(10))print(next(g)) # 0print(next(g)) # 1print(next(g)) # 4print(next(g)) # 9print(next(g)) # 16print(next(g)) # 25print(next(g)) # 36print(next(g)) # 49print(next(g)) # 64print(next(g)) # 81print(next(g))\'\'\'Traceback (most recent call last):File "D:/python_project/mxxl/test/test.py", line 18, in <module>print(next(g))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。
for循环
当然,上面这种不断调用
next(g)
实在是太变态了,我们可以使用
for
循环来调用generator,因为generator也是可迭代对象:
g = (x * x for x in range(10))for i in g:print(i)# 0# 1# 4# 9# 16# 25# 36# 49# 64# 81
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。
但是需要注意的是,当数据量过大时,会形成形成类似于死循环的效果(这里可以自己试验一下),所以就提出了下面的调用方法
for + next()
g = (x * x for x in range(10))# 调用几次循环几次for i in range(3):print(next(g))# 0# 1# 4
注意点
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。
举个简单的例子,定义一个generator,依次返回数字1,2,3:
def odd():print(\'step 1\')yield 1print(\'step 2\')yield(3)print(\'step 3\')yield(5)
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:
o = odd()next(o)# step 1next(o)# step 2next(o)# step 3next(o)\'\'\'Traceback (most recent call last):File "D:/python_project/mxxl/test/test.py", line 23, in <module>next(o)StopIteration\'\'\'
可以看到,
odd
不是普通函数,而是generator,在执行过程中,遇到
yield
就中断,下次又继续执行。执行3次
yield
后,已经没有
yield
可以执行了,所以,第4次调用
next(o)
就报错。
回到
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:
def fib(max):n, a, b = 0, 0, 1while n < max:yield ba, b = b, a + bn = n + 1return \'done\'for i in fib(6):print(i)# 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