python生成器

生成器:

当一个序列或者元祖中的数据特别大,但是我们又不需要同时使用这些数据,如果一次性把数据读到内存中,那么对计算机内存是一个很大的浪费,甚至可能会把内存撑爆了,python中有这样的一个数据结构,就是将我们需要的数据通过循环不断返回后续的元素,而不是一次性打开全部元素,从而节省大量的内存空间,这种机制就是 generator 生成器

  • 生成器对象

通过next()函数获取到generator中下一个返回值,这个跟迭代器(Iterator)一样,都可以通过next()函数获取到下一个返回值

  • 生成器函数

在 Python中,使用yield返回的函数会变成一个生成器函数(generator)。 在调用生成器函数的过程中,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。

函数中使用了yield关键字时,就会将这个函数变成生成器函数,调用这个函数就会得到一个生成器对象,在生成器函数中当代码执行到yield关键字时,函数会暂停并保存当前所有的运行信息,并返回yield表达式的值,等到生成器对象再次执行next()方法时会从当前位置继续执行

### 函数的作用 在计算机科学中,函数是一种用于管理程序执行过程中临时数据的数据结构。每当一个函数被调用时,一个新的帧会被压入函数调用中[^2]。这个包含了当前函数的局部变量、返回地址以及可能的参数等信息。 通过这种方式,函数使得多个函数可以嵌套调用而不互相干扰。每次进入新的函数调用时,旧的状态都会保存在一个独立的帧中,而新状态则存储于另一个帧之中。这种机制确保了即使存在递归或其他复杂的控制流情况,每层调用仍然能保持自己的上下文环境不变。 另外,在某些特定场景下还可以利用额外设计来增强功能。例如为了快速获取最小值,可以通过维护辅助的方式实现一种特殊类型的——即包含`min`方法的时间复杂度为O(1)的[^3]。 ### 函数的实现方式 #### 基本原理 通常来说,操作系统会给每个线程分配一段内存区域作为它的运行期堆空间。当发生子例程呼叫事件(比如普通的过程或者方法调用),系统就会在这个预设好的区域内创建相应的记录单元—也就是所谓的“活动记录”或称为“帧”。 以下是基于Python的一个简单模拟版本展示如何手动构建这样的行为: ```python class StackWithMin: def __init__(self): self.stack = [] self.min_stack = [] def push(self, value): self.stack.append(value) if not self.min_stack or value <= self.min_stack[-1]: self.min_stack.append(value) def pop(self): if self.stack: top_value = self.stack.pop() if top_value == self.min_stack[-1]: self.min_stack.pop() def min(self): return self.min_stack[-1] if self.min_stack else None ``` 上述代码片段展示了怎样扩展常规意义上的LIFO容器使其支持即时查询内部现存数值里的全局极小者操作,并且保证这些动作都维持恒定时间开销 O(1)[^3]. 然而需要注意的是实际开发环境中遇到更深层次错误排查难题时可能会发现难以直观观察整个链条上的全部细节因为现代软件架构往往依赖第三方库文件完成部分核心逻辑处理所以有时候即便借助调试工具也仅能看到外部接口层面的表现形式而非确切源码位置[^4].
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值