生成器`generator`

1.引出生成器

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，创建⼀个包含非常多个元素的列表，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。

# -*- coding: utf-8 -*-
# @File  : 引出生成器.py
# @author: Flyme awei
# @email : Flymeawei@163.com
# @Time  : 2022/8/20 21:00# 列表生成式
lst = [i for i in range(10)]
print(lst)
print(type(lst))# [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
# <class 'list'>

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？接下来，引出我们的生成器。

2.创建生成器

通过列表生成式创建

# -*- coding: utf-8 -*-
# @File  : 创建生成器.py
# @author: Flyme awei
# @email : Flymeawei@163.com
# @Time  : 2022/8/20 20:59g = (i for i in range(10))
print(g)
print(type(g))# <generator object <genexpr> at 0x0000021B19A11D60>
# <class 'generator'>

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。

创建列表和生成器的区别仅在于最外层的 [ ] 和 ( ) ， lst 是⼀个列表，⽽ g 是⼀个⽣成器。我们可以直接打印出 lst 的每⼀个元素，但我们怎么打印出 g 的每⼀个元素呢？如果要⼀个⼀个打印出来，可以通过 next() 函数获得⽣成器的下⼀个返回值：

通过 next() 函数获得⽣成器的下⼀个返回值

# -*- coding: utf-8 -*-
# @File  : 创建生成器.py
# @author: Flyme awei
# @email : Flymeawei@163.com
# @Time  : 2022/8/20 20:59lst = [i for i in range(10)]
g = (i for i in range(10))
print(g)
print(type(g))print(next(g))  # 0
print(next(g))  # 1
print(next(g))  # 2
print(next(g))  # 3
print(next(g))  # 4
print(next(g))  # 5
print(next(g))  # 6
print(next(g))  # 7
print(next(g))  # 8
print(next(g))  # 9
print(next(g))

⽣成器保存的是算法，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 的异常。

当然，这种不断调⽤ next() 实在是太繁琐了，虽然是点一次出现一次，但正确的⽅法是使⽤ for 循环，因为⽣成器也是可迭代对象。

也可以通过for-in循环打印出来

# -*- coding: utf-8 -*-
# @File  : 创建生成器.py
# @author: Flyme awei
# @email : Flymeawei@163.com
# @Time  : 2022/8/20 20:59g = (i for i in range(10))
print(g)
print(type(g))# print(next(g))  # 0
# print(next(g))  # 1
# print(next(g))  # 2
# print(next(g))  # 3
# print(next(g))  # 4
# print(next(g))  # 5
# print(next(g))  # 6
# print(next(g))  # 7
# print(next(g))  # 8
# print(next(g))  # 9
# print(next(g))for i in g:print(i)

所以，我们创建了⼀个⽣成器后，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 异常。

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：

代码如下

# -*- coding: utf-8 -*-
# @File  : 函数写斐波那契数列.py
# @author: Flyme awei
# @email : Flymeawei@163.com
# @Time  : 2022/8/20 21:14# 定义一个斐波那契函数
def fib(times):# 初始化n = 0a, b = 0, 1while n < times:print(b)a, b = b, a+bn += 1fib(6)

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，上面的函数离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。

通过yield关键字创建

# -*- coding: utf-8 -*-
# @File  : yield创建生成器.py
# @author: Flyme awei
# @email : Flymeawei@163.com
# @Time  : 2022/8/20 21:17def fib(times):# 初始化n = 0a, b = 0, 1while n < times:yield ba, b = b, a+bn += 1f = fib(6)
print(f)
# <generator object fib at 0x00000197C5E56350>
# f 是一个生成器对象print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))
print(next(f))

在上⾯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：

# -*- coding: utf-8 -*-
# @File  : yield创建生成器.py
# @author: Flyme awei
# @email : Flymeawei@163.com
# @Time  : 2022/8/20 21:17def fib(times):# 初始化n = 0a, b = 0, 1while n < times:yield ba, b = b, a+bn += 1f = fib(6)
print(f)
# <generator object fib at 0x00000197C5E56350>
# f 是一个生成器对象for i in f:print(i)

3.遍历生成器的方式

通过next()函数
通过 for- in循环打印
objict内置的__next__()方法
send() 方法，生成器的第一个值必须是send(None)，后面没有限制

# -*- coding: utf-8 -*-
# @File  : 遍历生成器.py
# @author: Flyme awei
# @email : Flymeawei@163.com
# @Time  : 2022/8/20 21:24# 创建一个生成器g
g = (i for i in range(10))print(next(g))  # 0
print(next(g))  # 1print(g.__next__())  # 2
print(g.__next__())  # 3print(g.send(None))  # 4
print(g.send(''))  # 5
print(g.send(1))  # 6for i in g:print(i)
# 7
# 8
# 9

4.生成器总结

⽣成器是这样⼀个函数，它记住上⼀次返回时在函数体中的位置。对⽣成器函数的第⼆次（或第 n 次）调⽤跳转⾄该函数中间，⽽上次调⽤的所有局部变量都保持不变。

⽣成器不仅记住了它数据状态；⽣成器还记住了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。

生成器的特点：

节约内存
迭代到下⼀次的调⽤时，所使⽤的参数都是第⼀次所保留下的，在整个所有函数调⽤的参数都是第⼀次所调⽤时保留的，⽽不是新创建的。

【Python高级语法】——生成器（generator）相关推荐

Python高级语法系列
Python高级语法(1)-抽象类 Python高级语法(2)-多继承和MRO继承机制 Python高级语法(3)-global和nolocal关键字使用详解 Python高级语法(4)-魔法函数__ ...
Python程序设计与科学计算精录总结Episode.3 Python高级语法：文件、异常、标准库和问题解决模式知识总结（基于Michael导师Python课程与VS2019）
今天是2020年5月20日,这个对于博主来说平凡的一天,但社交媒体上早就炸开锅了. 博主认为,有些人受过伤之后,就爱的小心翼翼,迟迟不敢去再次追求自己的另一半,就这样,渐渐的过了能够大胆去爱的年纪,一 ...
Python面试题大全（二）：python高级语法
目录 Python高级元类 42.Python中类方法.类实例方法.静态方法有何区别? 43.遍历一个object的所有属性,并print每一个属性名? 44.写一个类,并让它尽可能多的支持操作符? ...
Python学习之旅三：python高级语法
使用pycharm和jupter notebook. 1 包 1.1 模块一个模块就是一个包含python代码的文件,后缀名为.py即可,模块就是个python文件. 1.1.1 为什么要使用模块呢 ...
Python高级教程-生成器
生成器(Generator) 通过列表生成式,可以直接创建一个列表.但是,受内存限制,列表的容量肯定是有限的.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 ...
python高级语法装饰器_Python高级编程——装饰器Decorator超详细讲解上
Python高级编程--装饰器Decorator超详细讲解(上篇) 送你小心心记得关注我哦!! 进入正文全文摘要装饰器decorator,是python语言的重要特性,我们平时都会遇到,无论是面向 ...
Python高级语法-正则表达式
正则表达式在字符串匹配中起到巨大的作用. 简介几个数据提取工具对比: re(正则表达式):速度很快,难度高(语法难记),不需要安装(python标准库内置) bs(BeautifulSoup):速度 ...
廖雪峰python - 高级特性 - 生成器 _ 练习详解
杨辉三角:每个数等于它上方两数之和.空位看作0 答案: #定义函数 def triangles():L = [1] // L是只含1的list(列表)yield L // generator的函数遇到 ...
Python高级语法-详解set机制
集合过滤机制文章目录集合过滤机制简介 Set详解 Set使用补充说明简介底层分析set的实现原理. 详细分析Python的set容器如何过滤自定义类. 代码实现多熟悉自定义类的按照指定属性 ...

【Python高级语法】——生成器（generator）

生成器`generator`

1.引出生成器

2.创建生成器

3.遍历生成器的方式

4.生成器总结

【Python高级语法】——生成器（generator）相关推荐

最新文章

热门文章

【Python高级语法】——生成器（generator）

生成器generator

1.引出生成器

2.创建生成器

3.遍历生成器的方式

4.生成器总结

【Python高级语法】——生成器（generator）相关推荐

最新文章

热门文章

生成器`generator`