python生成器详解_Python 生成器

python生成器详解_Python 生成器生成器利用迭代器,我们可以在每次迭代获取数据(通过next()方法)时按照特定的规律进行生成。但是我们在实现一个迭代器时,关于当前迭代到的状态需要我们自己记录,进而才能根据当前状态生成下一个数据。

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

生成器

利用迭代器,我们可以在每次迭代获取数据(通过next()方法)时按照特定的规律进行生成。但是我们在实现一个迭代器时,关于当前迭代到的状态需要我们自己记录,进而才能根据当前状态生成下一个数据。
为了达到记录当前状态,并配合next()函数进行迭代使用,我们可以采用更简便的语法,即生成器(generator)。生成器是一类特殊的迭代器。
 

创建生成器方法1

要创建一个生成器,有很多种方法。第一种方法很简单,只要把一个列表生成式的 [ ] 改成 ( )

>>> L = [x**2 for x in range(5)]
>>> L
[0, 1, 4, 9, 16]
>>> G = (x**2 for x in range(5))
>>> G
<generator object <genexpr> at 0x7fb63d218750>

创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) , L 是一个列表,而 G 是一个生成器。我们可以直接打印出列表L的每一个元素,而对于生成器G,我们可以按照迭代器的使用方法来使用,即可以通过next()函数、for循环、list()等方法使用。

>>> next(G)
0
>>> next(G)
1
>>> next(G)
4
>>> next(G)
9
>>> next(G)
16
>>> next(G)
Traceback (most recent call last):
  File "<pyshell#39>", line 1, in <module>
    next(G)
StopIteration

>>> G = ( x**2 for x in range(5))
>>> for x in G:
	print(x)

 

创建生成器方法2yield

generator非常强大。如果推算的算法比较复杂,用类似列表生成式的 for 循环无法实现的时候,还可以用函数来实现。
就像之前提到的斐波那切数列
 

注意,在用迭代器实现的方式中,我们要借助几个变量(n、current、num1、num2)来保存迭代的状态。现在我们用生成器来实现一下。

>>> def fib(n):
	current = 0 
	num1, num2 = 0, 1
	while current < n:
		num = num1
		num1, num2 = num2, num1 + num2
		current += 1
		yield num
	return '完成'

>>> F = fib(5)
>>> next(F)
0
>>> next(F)
1
>>> next(F)
1
>>> next(F)
2
>>> next(F)
3
>>> next(F)
Traceback (most recent call last):
  File "<pyshell#80>", line 1, in <module>
    next(F)
StopIteration: 完成

在使用生成器实现的方式中,我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现,但是将每次迭代返回数值的return换成了yield,此时新定义的函数便不再是函数,而是一个生成器了。
简单来说:只要在def中有yield关键字的 就称为 生成器
 
此时按照调用函数的方式( 案例中为F = fib(5) )使用生成器就不再是执行函数体了,而是会返回一个生成器对象( 案例中为F ),然后就可以按照使用迭代器的方式来使用生成器了。

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

0
1
1
2
3
>>> 

但是用for循环调用generator时,发现拿不到generator的return语句的返回值。如果想要拿到返回值,必须捕获StopIteration错误,返回值包含在StopIteration的value中:

>>> g = fib(5)
>>> while True:
	try:
		x = next(g)
		print(f"value:{x}")
	except StopIteration as e:
		print(f"生成器返回值:{e.value}")
		break

value:0
value:1
value:1
value:2
value:3
生成器返回值:完成

 

生成器和列表的对比

# 列表的内存开销和运行时间
start_time = time.perf_counter()  
list1 = [i for i in range(2, 10001, 2)]
cost_time = time.perf_counter()-start_time
print(f"创建列表的时间:{cost_time}")
print(f"内存开销为{sys.getsizeof(list1)}字节")

# 生成器的内存开销和运行时间
start_time1 = time.perf_counter()
g = (i for i in range(2, 10001, 2))
cost_time1 = time.perf_counter()-start_time1
print(f"创建列表的时间:{cost_time1}")
print(f"内存开销为{sys.getsizeof(g)}字节")

结果

创建列表的时间:0.00024577200000000174
内存开销为43048字节
创建列表的时间:2.2140000000003823e-06
内存开销为128字节

通过结果,我们可以明显的看出,生成器的内存开销和运行速度要明显比列表的要更节省内存,运行速度更快
 

生成器的运用场景

如果有一个包含100w个元素的列表,但是我们仅仅只想访问前3个,那么后面的列表元素占用的内存空间都是浪费的,这个时候我们没必要创建完成的list,可以使用生成器,从而可以节省大量内存空间
 

总结

  • 使用了yield关键字的函数不再是函数,而是生成器。(使用了yield的函数就是生成器)
  • yield关键字有两点作用:
    • 保存当前运行状态(断点),然后暂停执行,即将生成器(函数)挂起
    • 将yield关键字后面表达式的值作为返回值返回,此时可以理解为起到了return的作用
  • 可以使用next()函数让生成器从断点处继续执行,即唤醒生成器(函数)
  • Python3中的生成器可以使用return返回最终运行的返回值,而Python2中的生成器不允许使用return返回一个返回值(即可以使用return从生成器中退出,但return后不能有任何表达式)。
     

使用send唤醒

我们除了可以使用next()函数来唤醒生成器继续执行外,还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
 
例子:执行到yield时,gen函数作用暂时保存,返回i的值; temp接收下次c.send("python"),send发送过来的值,c.next()等价c.send(None)

>>> def gen():
	i = 0
	while i < 5:
		temp = yield i
		print(temp)
		i += 1

使用send

>>> f = gen()
>>> next(f)
0
>>> f.send('haha')
haha
1
>>> next(f)
None
2
>>> f.send('haha')
haha
3
>>> 
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/166197.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号