【Python高级语法】——生成器（generator）

北极的三哈
128 阅读6分钟

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第15天，点击查看活动详情

生成器generator

在这里插入图片描述

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 20:59

g = (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 20:59

lst = [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))

在这里插入图片描述

  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 20:59

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))

for i in g:
    print(i)

在这里插入图片描述

  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 = 0
    a, b = 0, 1
    while n < times:
        print(b)
        a, b = b, a+b
        n += 1


fib(6)

在这里插入图片描述

  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 21:17


def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        yield b
        a, b = b, a+b
        n += 1


f = 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))

在这里插入图片描述

  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 21:17


def fib(times):
    # 初始化
    n = 0
    a, b = 0, 1
    while n < times:
        yield b
        a, b = b, a+b
        n += 1


f = fib(6)
print(f)
# <generator object fib at 0x00000197C5E56350>
# f 是一个生成器对象

for i in f:
    print(i)

在这里插入图片描述

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))  # 1


print(g.__next__())  # 2
print(g.__next__())  # 3

print(g.send(None))  # 4
print(g.send(''))  # 5
print(g.send(1))  # 6

for i in g:
    print(i)
# 7
# 8
# 9

在这里插入图片描述

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。

avatar
文章
阅读
粉丝