小白學 Python（21）：生成器基礎

人生苦短，我選Python

前文傳送門

小白學 Python（1）：開篇

小白學 Python（2）：基礎數據類型（上）

小白學 Python（3）：基礎數據類型（下）

小白學 Python（4）：變量基礎操做

小白學 Python（5）：基礎運算符（上）

小白學 Python（6）：基礎運算符（下）

小白學 Python（7）：基礎流程控制（上）

小白學 Python（8）：基礎流程控制（下）

小白學 Python（9）：基礎數據結構（列表）（上）

小白學 Python（10）：基礎數據結構（列表）（下）

小白學 Python（11）：基礎數據結構（元組）

小白學 Python（12）：基礎數據結構（字典）（上）

小白學 Python（13）：基礎數據結構（字典）（下）

小白學 Python（14）：基礎數據結構（集合）（上）

小白學 Python（15）：基礎數據結構（集合）（下）

小白學 Python（16）：基礎數據類型（函數）（上）

小白學 Python（17）：基礎數據類型（函數）（下）

小白學 Python（18）：基礎文件操做

小白學 Python（18）：基礎文件操做

小白學 Python（19）：基礎異常處理

小白學 Python（20）：迭代器基礎

生成器

咱們前面聊過了爲何要使用迭代器，各位同窗應該還有印象吧（說沒有的就太過度了）。

列表太大的話會佔用過大的內存，可使用迭代器，只拿出須要使用的部分。

生成器的設計原則和迭代器是類似的，若是須要一個很是大的集合，不會將元素所有都放在這個集合中，而是將元素保存成生成器的狀態，每次迭代的時候返回一個值。

好比咱們要生成一個列表，能夠採用以下方式：

list1 = [x*x for x in range(10)]
print(list1)

結果以下：

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

若是咱們生成的列表很是的巨大，好比：

list2 = [x*x for x in range(1000000000000000000000000)]

結果以下：

Traceback (most recent call last):
  File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <module>
    list2 = [x*x for x in range(1000000000000000000000000)]
  File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <listcomp>
    list2 = [x*x for x in range(1000000000000000000000000)]
MemoryError

報錯了，報錯信息提示咱們存儲異常，而且整個程序運行了至關長一段時間。友情提醒，這麼大的列表建立請慎重，若是電腦配置不夠頗有可能會將電腦卡死。

若是咱們使用生成器就會很是方便了，並且執行速度嗖嗖的。

generator1 = (x*x for x in range(1000000000000000000000000))
print(generator1)
print(type(generator1))

結果以下：

<generator object <genexpr> at 0x0000014383E85B48>
<class 'generator'>

那麼，咱們使用了生成器之後，怎麼讀取生成器生成的數據呢？

固然是和以前的迭代器同樣的拉，使用 next() 函數：

generator2 = (x*x for x in range(3))
print(next(generator2))
print(next(generator2))
print(next(generator2))
print(next(generator2))

結果以下：

Traceback (most recent call last):
  File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 14, in <module>
    print(next(generator2))
StopIteration

直到最後，拋出 StopIteration 異常。

可是，這種使用方法咱們並不知道何時會迭代結束，因此咱們可使用 for 循環來獲取每生成器生成的具體的元素，而且使用 for 循環同時也無需關心最後的 StopIteration 異常。

generator3 = (x*x for x in range(5))
for index in generator3:
    print(index)

結果以下：

0
1
4
9
16

generator 很是的強大，本質上， generator 並不會取存儲咱們的具體元素，它存儲是推算的算法，經過算法來推算出下一個值。

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。

好比咱們定義一個函數，emmmmmm，仍是簡單點吧，你們領會精神：

def print_a(max):
    i = 0
    while i < max:
        i += 1
        yield i

a = print_a(10)
print(a)
print(type(a))

結果以下：

<generator object print_a at 0x00000278C6AA5CC8>
<class 'generator'>

這裏使用到了關鍵字 yield ， yield 和 return 很是的類似，均可以返回值，可是不一樣的是 yield 不會結束函數。

咱們調用幾回這個用函數建立的生成器：

print(next(a))
print(next(a))
print(next(a))
print(next(a))

結果以下：

1
2
3
4

能夠看到，當咱們使用 next() 對生成器進行一次操做的時候，會返回一次循環的值，在 yield 這裏結束本次的運行。可是在下一次執行 next() 的時候，會接着上次的斷點接着運行。直到下一個 yield ，而且不停的循環往復，直到運行至生成器的最後。

還有一種與 next() 等價的方式，直接看示例代碼吧：

print(a.__next__())
print(a.__next__())

結果以下：

5
6

接下來要介紹的這個方法就更厲害了，不只能迭代，還能給函數再傳一個值回去：

def print_b(max):
    i = 0
    while i < max:
        i += 1
        args = yield i
        print('傳入參數爲：' + args)

b = print_b(20)
print(next(b))
print(b.send('Python'))

結果以下：

1
傳入參數爲：Python
2

上面講了這麼多，可能各位還沒想到生成器能有什麼具體的做用吧，這裏我來提一個——協程。

在介紹什麼是協程以前先介紹下什麼是多線程，就是在同一個時間內能夠執行多個程序，簡單理解就是你平時可能很常常的一邊玩手機一邊聽音樂（毫無違和感）。

協程更貼切的解釋是流水線，好比某件事情必須 A 先作一步， B 再作一步，而且這兩件事情看起來要是同時進行的。

def print_c():
    while True:
        print('執行 A ')
        yield None
def print_d():
    while True:
        print('執行 B ')
        yield None

c = print_c()
d = print_d()
while True:
    c.__next__()
    d.__next__()

結果以下：

...
執行 A 
執行 B 
執行 A 
執行 B 
執行 A 
執行 B 
執行 A 
執行 B 
執行 A 
執行 B 
...

由於 while 條件設置的是永真，因此這個循環是不會停下來的。

這裏咱們定義了兩個生成器，而且在一個循環中往復的調用這兩個生成器，這樣看起來就是兩個任務在同時執行。

最後的協程可能理解起來稍有難度，有問題能夠在公衆號後臺問我哦~~~

示例代碼

本系列的全部代碼小編都會放在代碼管理倉庫 Github 和 Gitee 上，方便你們取用。

示例代碼-Github

示例代碼-Gitee

原文出處：https://www.cnblogs.com/babycomeon/p/11854666.html