python 廖雪峰_廖雪峰的Python系列教程(20)——高级特性之生成器
生成器
通过列表生成式,我们可以直接创建一个列表。但是,受到内存限制,列表容量肯定是有限的。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,如果我们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。
所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?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
。
要创建一个generator
,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()
,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 at 0x1022ef630>
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,但我们怎么打印出generator
的每一个元素呢?
如果要一个一个打印出来,可以通过next()
函数获得generator
的下一个返回值:
>>> next(g)0>>> next(g)1>>> next(g)4>>> next(g)9>>> next(g)16>>> next(g)25>>> next(g)36>>> next(g)49>>> next(g)64>>> next(g)81>>> next(g)Traceback (most recent call last): File "", line 1, in StopIteration
我们讲过,generator
保存的是算法,每次调用next(g)
,就计算出g的下一个元素的值,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(g)
实在是太变态了,正确的方法是使用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)...0149162536496481
所以,我们创建了一个generator
后,基本上永远不会调用next()
,而是通过for
循环来迭代它,并且不需要关心StopIteration
的错误。
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。
比如,著名的斐波拉契数列(Fibonacci),除第一个和第二个数外,任意一个数都可由前两个数相加得到:
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来,但是,用函数把它打印出来却很容易:
def fib(max): n, a, b = 0, 0, 1while n < max: print(b) a, b = b, a + b n = n + 1return 'done'
注意,赋值语句:
a, b = b, a + b
相当于:
t = (b, a + b) # t是一个tuplea = t[0]b = t[1]
但不必显式写出临时变量t就可以赋值。
上面的函数可以输出斐波那契数列的前N个数:
>>> fib(6)112358'done'
仔细观察,可以看出,fib
函数实际上是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,上面的函数和generator仅一步之遥。要把fib
函数变成generator
,只需要把print(b)
改为yield b
就可以了:
def fib(max): n, a, b = 0, 0, 1while n < max:yield b a, b = b, a + b n = n + 1return 'done'
这就是定义generator
的另一种方法。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
:
>>> f = fib(6)>>> f0x104feaaa0>
这里,最难理解的就是generator
和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。
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)
调用该generator
时,首先要生成一个generator
对象,然后用next()
函数不断获得下一个返回值:
>>> o = odd()>>> next(o)step 11>>> next(o)step 23>>> next(o)step 35>>> next(o)Traceback (most recent call last): File "", line 1, in 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(o)
就报错。
回到fib
的例子,我们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,我们基本上从来不会用next()
来获取下一个返回值,而是直接使用for
循环来迭代:
>>> for n in fib(6):... print(n)...112358
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(6)>>> while True:... try:... x = next(g)... print('g:', x)... except StopIteration as e:... print('Generator return value:', e.value)... break...g: 1g: 1g: 2g: 3g: 5g: 8Generator return value: done
关于如何捕获错误,后面的错误处理还会详细讲解。
练习
杨辉三角定义如下:
1 / \1 1 / \ / \1 2 1 / \ / \ / \1 3 3 1 / \ / \ / \ / \1 4 6 4 1 / \ / \ / \ / \ / \1 5 10 10 5 1
把每一行看做一个list
,试写一个generator
,不断输出下一行的list
:
# -*- coding: utf-8 -*-
def triangles():pass
# 期待输出:# [1]# [1, 1]# [1, 2, 1]# [1, 3, 3, 1]# [1, 4, 6, 4, 1]# [1, 5, 10, 10, 5, 1]# [1, 6, 15, 20, 15, 6, 1]# [1, 7, 21, 35, 35, 21, 7, 1]# [1, 8, 28, 56, 70, 56, 28, 8, 1]# [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]n = 0results = []for t in triangles(): results.append(t) n = n + 1 if n == 10: break
for t in results: print(t)
if results == [ [1], [1, 1], [1, 2, 1], [1, 3, 3, 1], [1, 4, 6, 4, 1], [1, 5, 10, 10, 5, 1], [1, 6, 15, 20, 15, 6, 1], [1, 7, 21, 35, 35, 21, 7, 1], [1, 8, 28, 56, 70, 56, 28, 8, 1], [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]]: print('测试通过!')else: print('测试失败!')
小结
generator
是非常强大的工具,在Python中,可以简单地把列表生成式改成generator,也可以通过函数实现复杂逻辑的generator
。
要理解generator的工作原理,它是在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。
请注意区分普通函数和generator函数,普通函数调用直接返回结果:
>>> r = abs(6)>>> r6
generator
函数的“调用”实际返回一个generator对象:
>>> g = fib(6)>>> g0x1022ef948>
joker-wt
扫码|关注我们
微信号|joker-wt123
新浪微博|梧tw桐
python 廖雪峰_廖雪峰的Python系列教程(20)——高级特性之生成器相关推荐
- python编程基础_月隐学python第2课
python编程基础_月隐学python第2课 学习目标 掌握变量的输入和输出 掌握数据类型的基本概念 掌握算数运算 1.变量的输入和输出 1.1 变量输入 使用input输入 input用于输入数据 ...
- 查看Python的版本_查看当前安装Python的版本
一.查看Python的版本_查看当前安装Python的版本 具体方法: 首先按[win+r]组合键打开运行: 然后输入cmd,点击[确定]: 最后执行[python --version]命令即可. 特 ...
- python基本原理概论_怎样开始自学Python?
本人才疏学浅,学识大多浅尝辄止,故文章若有错误,不论是文字笔误还是理解有错,烦请您留言以告知,本人必定感激不尽! **Python分类下的系列文章,不断更新中,如果你迫不及待地想要看看写得如何可以先试 ...
- 上海交通大学python实验五_第五次python实验
#本代码节选自python程序设计实验指导书 #批量生成随机信息 ''' 生成20个人的模拟信息,包括姓名.性别.年龄.手机号码. 电子邮箱地址,把生成的信息写入文本文件,每行存放一个人的信息, 最后 ...
- python opencv手册_教你用Python实现5毛钱特效(给你的视频来点料)
一.前言 请务必看到最后.Python牛已经不是一天两天的事了,但是我开始也没想到,Python能这么牛.前段时间接触了一个批量抠图的模型库,而后在一些视频中找到灵感,觉得应该可以通过抠图的方式,给视 ...
- python并行运算库_最佳并行绘图Python库简介:“ HiPlot”
python并行运算库 HiPlot is Facebook's Python library to support visualization of high-dimensional data ta ...
- python新手难点_初学两天python的操作难点总结
已经学习两天python,将我认为的操作难点进行总结 1 在cmd下 盘与盘之间的切换 直接 D或d: 就好 2 查找当前盘或者文件下面的目录 直接 dir 3 想在一个盘下进去一个文件夹,用cd空格 ...
- python内存泄漏_诊断和修复Python中的内存泄漏
python内存泄漏 Fugue uses Python extensively throughout the Conductor and in our support tools, due to i ...
- 如何提高python的运行效率_几个提升Python运行效率的方法之间的对比
在我看来,python社区分为了三个流派,分别是python 2.x组织,3.x组织和PyPy组织.这个分类基本上可以归根于类库的兼容性和速度.这篇文章将聚焦于一些通用代码的优化技巧以及编译成C后性能 ...
最新文章
- sketch如何做设计稿交互_当屏幕可以折叠,交互设计怎么做
- ES6新特性:Javascript中的Reflect对象
- 注意:C语言结构体里不能赋初始值!
- vue2.0 -- watch监听
- ROS2学习(十六).ROS概念 - 构建系统
- C语言 变量声明和定义的区别
- python中类的构成_Python类的构成元素
- Java基础知识总结(一)创建和销毁对象
- 微信小程序新手向——界面布局
- 2022福大数学建模赛题B题-主成分分析和单因素方差分析-附python代码
- 郭天祥的10天学会51单片机_第八节
- c#_工大租车小系统
- activity 所需jiar包
- vim中进行复制粘贴
- 解决:Uncaught (in promise) TypeError: Failed to fetch 的问题
- 项目管理--统筹兼顾
- 12.18上海交大PMP试题每日一题
- [Tips]Evernote固定到“开始”屏幕快捷图标不正常的问题
- 我用Python制作整蛊软件发送给女友,结果.......我单身了!!
- 嘴里的零食越吃越香,零食赛道却面临严峻考验
热门文章
- C++之菱形继承的解决之道
- Windows文件目录DOS窗口
- RabbitMQ持久化交换机队列
- MySQL带关系运算符的查询
- jupyter 代码自动补全_在 Pycharm 中安装及使用 Jupyter (图文详解)
- 限流10万QPS、跨域、过滤器、令牌桶算法-网关Gateway内容都在这儿
- Hibernate @OneToMany 及 @Cascade级联操作
- SpringMVC+RestFul详细示例实战教程(实现跨域访问)
- MySql之DDL操作创建表(添加主键, 外键约束以及基本的数据类型)
- 小程序从浏览器返回有一个空白页_北京做一个小程序