AI智能
改变未来

python基础(补充):python三大器之生成器


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

g

的区别仅在于最外层的

[]

()

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

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
赞(0) 打赏
未经允许不得转载:爱站程序员基地 » python基础(补充):python三大器之生成器