python高級-生成器(17)

1. 什麼是⽣成器

經過列表⽣成式，咱們能夠直接建立⼀個列表。可是，受到內存限制，列表容量確定是有限的。⽽且，建立⼀個包含100萬個元素的列表，不只佔⽤很⼤的存儲空間，若是咱們僅僅須要訪問前⾯⼏個元素，那後⾯絕⼤多數元素佔⽤的空間都⽩⽩浪費了。因此，若是列表元素能夠按照某種算法推算出來，那咱們是否能夠在循環的過程當中不斷推算出後續的元素呢？這樣就沒必要建立完整的list，從⽽節省⼤量的空間。在Python中，這種⼀邊循環⼀邊計算的機制，稱爲⽣成器：generator。

 

2. 建立⽣成器⽅法1

要建立⼀個⽣成器，有不少種⽅法。第⼀種⽅法很簡單，只要把⼀個列表⽣成式的 [ ] 改爲 ( )

列表生成式

L = [2*x for x in range(1,10)] print(L)

運行結果爲：[2, 4, 6, 8, 10, 12, 14, 16, 18]

生成器

G = (2*x for x in range(1,10)) p

運行結果爲：<generator object <genexpr> at 0x00000111152FC408>

建立 L 和 G 的區別僅在於最外層的 [ ] 和 ( ) ， L 是⼀個列表，⽽ G 是⼀個⽣成器。咱們能夠直接打印出L的每⼀個元素，但咱們怎麼打印出G的每⼀個元素呢？若是要⼀個⼀個打印出來，能夠經過 next() 函數得到⽣成器的下⼀個返回:

G = (2*x for x in range(1,10)) print(G) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G))

運行結果爲：二、四、六、八、10、12

G = (2*x for x in range(1,10)) print(G) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G))

運行結果爲：

<generator object <genexpr> at 0x0000022CCCC8C408>
2
4
6
8
10
12
14
16
18 Traceback (most recent call last): File "C:\Users\Se7eN_HOU\Desktop\A.py", line 12, in <module>
    print(next(G)) StopIteration

注意：

• ⽣成器保存的是算法，每次調⽤ next(G) ，就計算出 G 的下⼀個元素的值，直到計算到最後⼀個元素，沒有更多的元素時，拋出 StopIteration 的異常。
• 固然，這種不斷調⽤ next() 實在是太變態了，正確的⽅法是使⽤ for 循環，由於⽣成器也是可迭代對象。因此，咱們建立了⼀個⽣成器後，基本上永遠不會調⽤ next() ，⽽是經過 for 循環來迭代它，而且不須要關⼼StopIteration 異常.

 

3. 建立⽣成器方法2

generator⾮常強⼤。若是推算的算法⽐較複雜，⽤相似列表⽣成式的 for 循環⽆法實現的時候，還能夠⽤函數來實現。

⽐如，著名的斐波拉契數列（Fibonacci），除第⼀個和第⼆個數外，任意⼀個數均可由前兩個數相加獲得：

1, 1, 2, 3, 5, 8, 13, 21, 34, …

斐波拉契數列⽤列表⽣成式寫不出來，可是，⽤函數把它打印出來卻很容易

def fib(times): n=0 a,b = 0,1
    while n<times: print(b) a,b = b,a+b n+=1
    return "done" fib(5)

運行結果爲：一、 一、 二、 三、 5

仔細觀察，能夠看出，fib函數其實是定義了斐波拉契數列的推算規則，能夠從第⼀個元素開始，推算出後續任意的元素，這種邏輯其實⾮常相似
generator。也就是說，上⾯的函數和generator僅⼀步之遙。要把fib函數變成generator，只須要把print(b)改成yield b就能夠了：

def fib(times): n=0 a,b = 0,1
    while n<times: yield b a,b = b,a+b n+=1
    return "done" f = fib(5) print(next(f)) print(next(f)) print(next(f)) print(next(f)) print(next(f)) print(next(f))

運行結果爲：

1
1
2
3
5 Traceback (most recent call last): File "C:\Users\Se7eN_HOU\Desktop\demo.py", line 16, in <module>
    print(next(f)) StopIteration: done

在上⾯fib 的例⼦，咱們在循環過程當中不斷調⽤ yield ，就會不斷中斷。固然要給循環設置⼀個條件來退出循環，否則就會產⽣⼀個⽆限數列出來。一樣的，把函數改爲generator後，咱們基本上歷來不會⽤ next() 來獲取下⼀個返回值，⽽是直接使⽤ for 循環來迭代：

def fib(times): n=0 a,b = 0,1
    while n<times: yield b a,b = b,a+b n+=1
    return "done"

for n in fib(5): print(n)

運行結果爲：

1
1
2
3
5

可是⽤for循環調⽤generator時，發現拿不到generator的return語句的返回值。若是想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

def fib(times): n=0 a,b = 0,1
    while n<times: yield b a,b = b,a+b n+=1
    return "done" f = fib(5) while True: try: x = next(f) print("value=%d"%x) except StopIteration as e: print("生成器返回值=%s"%e.value) break

運行結果爲：

value=1 value=1 value=2 value=3 value=5 生成器返回值=done

 

四、_ _next_ _()方法和next()同樣

def fib(times): n=0 a,b = 0,1
    while n<times: yield b a,b = b,a+b n+=1
    return "done" f = fib(5) print(f.__next__()) print(f.__next__()) print(f.__next__()) print(f.__next__()) print(f.__next__()) print(f.__next__())

運行結果爲：

1Traceback (most recent call last): 1
2
3
5 File "C:\Users\Se7eN_HOU\Desktop\demo.py", line 16, in <module>
    print(f.__next__()) StopIteration: done

 

5.、send()

def fib(times): n=0 a,b = 0,1
    while n<times: temp = yield b print(temp) a,b = b,a+b n+=1 f = fib(5) print(f.__next__()) print(f.send("Se7eN_HOU")) print(f.send("Se7eN")) print(next(f)) print(f.__next__())

運行結果爲：

1 Se7eN_HOU 1 Se7eN 2 None 3 None 5

經過上面的例子能夠看出使用send（）函數能夠給生成器生成對象的時候傳遞參數。

總結

• ⽣成器是這樣⼀個函數，它記住上⼀次返回時在函數體中的位置。對⽣成器函數的第⼆次（或第 n 次）調⽤跳轉⾄該函數中間，⽽上次調⽤的全部局部變量都保持不變。
• ⽣成器不只「記住」了它數據狀態；⽣成器還「記住」了它在流控制構造（在命令式編程中，這種構造不僅是數據值）中的位置。

⽣成器的特色：

• 1. 節約內存
• 2. 迭代到下⼀次的調⽤時，所使⽤的參數都是第⼀次所保留下的，便是說，在整個全部函數調⽤的參數都是第⼀次所調⽤時保留的，⽽不是新建立的