Python生成器

最新推荐文章于 2025-02-11 18:11:43 发布

Elro_m

最新推荐文章于 2025-02-11 18:11:43 发布

阅读量576

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Python基础文章标签：生成器

本文链接：https://blog.youkuaiyun.com/qq_35976427/article/details/89323591

Python基础专栏收录该内容

27 篇文章

订阅专栏

本文详细介绍了Python生成器的概念，包括生成器函数和生成器表达式。生成器是一种延迟计算、惰性求值的对象，可以通过yield关键字创建。生成器调用时不立即执行，而是需要通过next函数驱动生成执行。生成器在遇到yield时暂停，下次调用next时从上次暂停的位置继续。文章还探讨了生成器的执行流程、return语句的影响以及生成器的应用场景，如无线循环、计数器、斐波那契数列等，并提到了send方法和yield from语法的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

生成器

生成器generator

生成器指的是生成器对象，可以由生成器表达式得到，也可以使用yield关键字得到一个生成器函数，调用这个函数得到一个生成器对象。
生成器对象，是一个可迭代对象，是一个迭代器
生成器对象，是延迟计算、惰性求值的

生成器函数

函数体中包含yield语句的函数，就是生成器函数，调用后返回生成器对象

m = (i for i in range(5)) #生成器表达式
print(type(m))
<class 'generator'>
print(next(m))
0
print(next(m))
1


def inc():   #生成器函数
    for i in range(5):
        yield i 
    
print(type(inc))
<class 'function'>
print(type(inc()))
<class 'generator'>
g = inc()
print(type(g))
<class 'generator'>
print(next(g))
0
for x in g:
    print(x)
print('--------------')
1
2
3
4
--------------
for y in g:
    print(y)
没有打印

普通函数调用，函数会立即执行直到执行完毕
生成器函数调用，并不会立即执行函数体，而是需要使用next函数来驱动生成器函数执行后获得的生成器对象
生成器表达式和生成器函数都可以得到生成器对象，只不过生成器函数可以写的更加复杂的逻辑

生成器的执行

def gen():
    print('line 1')
    yield 1
    print('line 2')
    yield 2
    print('line 3')
    return 3
    yield 4 
    
next(gen())
line 1
1
next(gen())
line 1
1

g = gen()
next(g)
line 1
1
next(g)
line 2 
2
next(g)
StopIteration   3

在生成函数中，可以多次yield，每次执行一次yield后会暂停执行，把yield表达式的值返回
再次执行会执行到下一个yield语句又会暂停执行
return语句依然可以终止函数运行，但return语句的返回值不能被获取到
return会导致当前函数返回，无法继续执行，也无法继续获取下一个值，抛出Stopiteration异常
如果函数没有正式的return语句，如果生成器执行到结尾（相当于执行return None），一样会抛出Stopiteration异常

生成器函数

包含yield语句的生成器函数调用后，生成生成器对象的时候，生成器函数的函数体不会立即执行
next(generator)会从函数的当前位置向后执行到之后碰到的第一个yield语句，会弹出值，并暂停函数执行
再次调用next函数，和上一条一样的处理过程
继续调用next函数，生成器函数如果结束执行了（显式或隐式调用了return语句），会抛出Stopiteration异常

生成器应用

无线循环

def counter():
    i = 0
    while True:
        i += 1
        yield i 
c = counter()
print(next(c))
1
print(next(c))
2
print(next(c))
3

计数器

def inc():
    def counter():
        count = 0
        while True:
            count += 1
            yield count 
    c = counter()
    return next(c)
这样每次打印的都是1因为，每次都是重新生成
print(inc())
1
print(inc())
1

def inc():
    def counter():
        count = 0
        while True:
            count += 1
            yield count 
    c = counter()
    return lambda :next(c)
#     def inner():  等价于 lambda :next(c)
#         return next(c)
#     return inner 

foo = inc()
print(foo())
1
print(foo())
2

斐波那契数列

def fib():
    x = 0
    y = 1
    while True:
        yield y
        x, y = y, x + y
foo = fib()
for i in range(5):
    print(next(foo))

生成器交互

def inc():
    def counter():
        i = 0
        while True:
            i += 1
            response = yield i
            if response is not None:
                i = response
    c = counter()
    return lambda x = False: next(c) if not x else c.send(0)

foo = inc()
print(foo())
1
print(foo())
2
print(foo(True))
1

调用send方法，就可以把send的实参传给yield语句做结果，这个结果可以在等式右边被赋值给其他变量
send和next一样可以推动生成器启动并执行

yield from语法
从python 3.3开始增加了yield from语法，使得yield from iterable 等价于 for item initerable：yield item
yield from 就是一种简化语法的语法糖

def inc():
    for x in range(10000):
        yield x
#使用了yield from简化
def inc_():
    yield from range(10000)
    
    
foo = inc()
print(next(foo))
1
print(next(foo))
2

foo_ = inc_()
print(next(foo_))
1
print(next(foo_))
2