Python之生成器(Generator)

本文详细介绍了Python中的生成器(Generator),包括简单生成器、带yield语句的生成器以及加强的生成器。生成器允许在循环中按需生成元素,节省内存并提高效率。文章通过实例解释了如何定义和使用生成器,以及如何利用next()方法和for循环进行迭代。此外,还提到了Python3.x中生成器的相关特性和工作原理。

本篇博客主要介绍什么是生成器、简单生成器、带yield 语句的生成器、加强的生成器等内容。

通过列表生成式,可以直接创建一个列表。但是由于内存限制,列表容量是有限的。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。

如果列表元素可以按照某种算法推算出来,可以在循环的过程中不断推算出后续的元素,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)。
简单生成器

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:

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x00000000062DE630>

创建L和g的区别仅在于最外层的[]和(),L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,打印出generator的每一个元素:
如果要一个一个打印出来,可以通过generator的next()方法:

>>> g.next()
0
>>> g.next()
1
>>> g.next()
4
>>> g.next()
9
>>> g.next()
16
>>> g.next()
25
>>> g.next()
36
>>> g.next()
49
>>> g.next()
64
>>> g.next()
81
>>> g.next()
StopIteration                             Traceback (most recent call last)
<ipython-input-16-d7e53364a9a7> in <module>()
----> 1 g.next()

StopIteration: 

generator保存的是算法,每次调用next(),就计算出下一个元素的值,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。

当然,上面这种不断调用next()方法实在是繁琐,可以使用for循环,因为generator也是可迭代对象:

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print n
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()方法,而是通过for循环来迭代它。

带yield 语句的生成器

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。

先看下面的普通函数fib函数:

>>>def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print b
        a, b = b, a + b
        n = n + 1
    return 0

fib函数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,fib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即可:

>>>def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
        return
>>>fib(2)
<generator object fib at 0x000000000648C438>

generator和一般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。

注意
在生成器中,不允许return后面带任何参数。
否则:SyntaxError: ‘return’ with argument inside generator
因为在生成器中,return会引起StopIterationError。 一般生成器也不通过这种return的方式返回值。

举个简单的例子,定义一个generator,依次返回数字1,3,5:

>>> def odd():
...     print 'step 1'
...     yield 1
...     print 'step 2'
...     yield 3
...     print 'step 3'
...     yield 5
...
>>> o = odd()
>>> o.next()
step 1
1
>>> o.next()
step 2
3
>>> o.next()
step 3
5
>>> o.next()# 使用next访问,当计算到最后一个元素后继续调用next时会抛出StopIteration错误(next方法基本不会用到)
StopIteration                             Traceback (most recent call last)
<ipython-input-29-ebce97425b7f> in <module>()
----> 1 o.next()

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()就报错。

回到fib的例子,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,基本上不会用next()来调用它,而是直接使用for循环来迭代:

>>> for n in fib(6):
...     print n
1
1
2
3
5
8

加强的生成器

在 python2.5 中,一些加强特性加入到生成器中,所以除了 next()来获得下个生成的值,用户可以将值回送给生成器[send()],在生成器中抛出异常,以及要求生成器退出[close()]:

def gen(x):
    count = x
    while True:
        val = (yield count)
        if val is not None:
            count = val
        else:
            count += 1

f = gen(5)
print f.next()
print f.next()
print f.next()
print '===================='
print f.send(9)#发送数字9给生成器
print f.next()
print f.next()
print f.close()

结果:

5
6
7
====================
9
10
11
None

补充:range()在python3 中是一个 generator.
generator的工作原理:在for循环的过程中不断计算出下一个元素,并在适当的条件结束for循环。对于函数改成的generator来说,遇到return语句或者执行到函数体最后一行语句,就是结束generator的指令,for循环随之结束。
在Python3.x中若使用generator的next属性,应该这么调用:

    g=fib(4)  
    next(g) #与之前的g.next()不同  
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