【python入门第二十五天】python函数-生成器

生成器

有时候，序列或集合内的元素的个数非常巨大，如果全制造出来并放入内存，对计算机的压力是非常大的。比如，假设需要获取一个10**20次方如此巨大的数据序列，把每一个数都生成出来，并放在一个内存的列表内，这是粗暴的方式，有如此大的内存么？如果元素可以按照某种算法推算出来，需要哪个就计算到哪个，就可以在循环的过程中不断推算出后续的元素，而不必创建完整的元素集合，从而节省大量的空间。在Python中，这种一边循环一边计算出元素的机制，称为生成器：generator。
生成生成器：
g =(x*x for x in range(1, 4))
g
<generator object at 0x1022ef630>
可以通过next()函数获得generator的下一个返回值，这点和迭代器非常相似：
next(g)
1
next(g)
4
next(g)
9
next(g)
Traceback (most recent call last):
File"<pyshell#14>",line 1,in
next(g)
StopIteration
但更多情况下，我们使用for循环。
for i in g:
print(i)
除了使用生成器推导式，我们还可以使用yield关键字。
def createNums():
print("----func start------")
a,b = 0,1
for i in range(5):
#print(b)
print("–1--")
yield b
print("–2--")
a,b = b,a+b #a,b =1,1 a,b =1,2
print("–3--")
print("----func end------")
g=createNums()
next(g) #如果想得到yield的值,可以打印next(g)
在Python中，使用yield返回的函数会变成一个生成器（generator）。在调用生成器的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行next()方法时从当前位置继续运行。
#斐波那契函数

def fibonacci(n):								
       a = 0				
       b = 1				
       counter = 0				
       while True:								
              if  counter > n:												
                   return								
              yield a			#yield让该函数变成一个生成器								
              a,b =b,a+b								
              counter += 1
fib = fibonacci(10)		#fib是一个生成器
print(type(fib))
for i in fib:				
     print(i,end="	")

生成器是可以循环的,相比next来说,for循环更友好
a =createNums()
这两种取值方式是一样的！！！
a.next()
next(a)
for i in a:
print(i)

send

def test():
i =0
while i<5:
temp =yield i
print(temp)
i+=1
t =test()
next(t)
next(t)
t.send(“python”)
next(t)
t =test()
t.send(“python”)
Traceback (most recent call last):
File “Desktop/Python/demo.py”, line 179,in
t.send(“python”)
TypeError:can’t send non-None value to a just-started generator
如何解决这个错误?

next(t)
t.send(“python”)
send(None)

生成器的应用

实现多任务

def test1():
	   while True:
	   			print("--1--")	
	   			yield None
def test2():
	   while True:								
	           print("--2--")								
	           yield None
t1 =test1()
t2 =test2()
while True:				
          next(t1)				
          next(t2)