深刻理解Python生成器（Generator）

咱們能夠經過列表生成式簡單直接地建立一個列表，可是受到內存限制，列表容量確定是有限的。並且，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，並且若是咱們僅僅須要訪問前面幾個元素，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）。

 

要建立一個generator，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()，就建立了一個generator：

1 2 3 4 5 6

>>> mylist = [ x  for  x  in  range(1, 10)] >>> mylist [1, 2, 3, 4, 5, 6, 7, 8, 9] >>> gen = (x  for  x  in  range(1,10)) >>> gen <generator object <genexpr> at 0x7f1d7fd0f5a0>

建立mylist和gen的區別僅在於最外層的[]和()，mylist是一個list，而gen是一個generator（生成器）。

咱們能夠直接打印出list的每個元素，但咱們怎麼打印出generator的每個元素呢？

若是要一個一個打印出來，能夠經過generator的next()方法：

1 2 3 4 5 6 7 8 9 10 11 12 13

>>> gen.next() 1 >>> gen.next() 2 >>> gen.next() 3 ... >>> gen.next() 9 >>> gen.next() Traceback (most recent call last):    File  "<stdin>" , line 1,  in  <module> StopIteration

咱們講過，generator保存的是算法，每次調用next()，就計算出下一個元素的值，直到計算到最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤。

 

其實咱們可使用for循環來代替next()方式， 這樣才更符合高效的編程思路：

1 2 3 4 5 6 7 8 9 10 11 12 13

>>> gen = ( x  for  x  in  range(1, 10)) >>>  for  num  in  gen: ...     print num ...  1 2 3 4 5 6 7 8 9

 

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

 

好比，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, 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：

1 2 3 4 5 6 7

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

上面的函數能夠輸出斐波那契數列的前N個數：

1 2 3 4 5 6 7

>>> fib(6) 1 1 2 3 5 8

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，這種邏輯其實很是相似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：

1 2 3 4 5 6 7

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

這就是定義generator的另外一種方法。若是一個函數定義中包含yield關鍵字，那麼這個函數就再也不是一個普通函數，而是一個generator：

1 2	>>> fib(6) <generator object fib at 0x104feaaa0>

這裏，最難理解的就是generator和函數的執行流程不同。函數是順序執行，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。

 

舉個簡單的例子，定義一個generator，依次返回數字1，3，5：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

>>> 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() Traceback (most recent call last):    File  "<stdin>" , line 1,  in  <module> StopIteration

能夠看到，odd不是普通函數，而是generator，在執行過程當中，遇到yield就中斷，下次又繼續執行。執行3次yield後，已經沒有yield能夠執行了，因此，第4次調用next()就報錯。

 

回到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，否則就會產生一個無限數列出來。

 

一樣的，把函數改爲generator後，咱們基本上歷來不會用next()來調用它，而是直接使用for循環來迭代：

1 2 3 4 5 6 7 8 9

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

generator是很是強大的工具，在Python中，能夠簡單地把列表生成式改爲generator，也能夠經過函數實現複雜邏輯的generator。

要理解generator的工做原理，它是在for循環的過程當中不斷計算出下一個元素，並在適當的條件結束for循環。對於函數改爲的generator來講，遇到return語句或者執行到函數體最後一行語句，就是結束generator的指令，for循環隨之結束。