Python生成器簡介

生成器使您可以輕鬆地在python中建立迭代，從而減少編寫**。本教程將向您介紹python生成器，它們的好處以及它們的工作方式。

生成器是乙個返回生成器物件的函式，您可以在該物件上呼叫next()方法，這樣，每次呼叫它都會返回乙個值或下乙個值。普通的python函式使用return關鍵字返回值，但是生成器使用關鍵字yield返回值。這意味著任何包含yield語句的python函式都是生成器函式。

yield語句通常會暫停該函式並儲存區域性狀態，以便可以從中斷處繼續恢復。生成器函式可以具有乙個或多個yield語句。

生成器也是迭代器，但是什麼是迭代器？在我們深入討論生成器之前，我認為了解迭代器是很重要的，因為它們構成了本次討論的組成部分。

python迭代器只是定義__iter__()方法的類。大多數python物件都是可迭代的，這意味著您可以遍歷物件中的每個元素。 python中可迭代的示例包括字串，列表，元組，字典和範圍。

讓我們考慮下面的示例，其中我們遍歷顏色列表：

colors= [「red」,」blue」,」yellow」]
def my_funct():
for color in colors:
print color

在幕後，for語句將在列表物件上呼叫iter()。然後，該函式將返回乙個迭代器物件，該物件定義了__next__()方法，該方法隨後將一次訪問每種顏色。當沒有更多的顏色時，__next__stopiteration將引發乙個stopiteration異常，該異常將反過來通知for迴圈終止。

d = 
for k,v in d.items():
print k, v
#result
# y 20
# x 10
# z 30

import csv
with open('file.csv', newline='') as file: 
reader = csv.reader(file)
for row in reader:
yield row

my_string = 'generators'
for string in my_string:
print (string)
#result
# g# e
# n# e
# r# a
# t# o
# r# s

讓我們討論使用生成器而不是迭代器的一些好處：

易於實施

在python中構建迭代器將需要您使用__iter__()和__next__()方法實現乙個類，並注意可能導致stopiteration錯誤的任何錯誤。

class reverse:
"""iterator for looping over a sequence backwards."""
def __init__(self, data):
self.data = data
self.index = len(data)
def __iter__(self):
return self
def __next__(self):
if self.index == 0:
raise stopiteration
self.index = self.index - 1
return self.data[self.index]

如您在上面看到的，實現非常冗長。所有這些負擔由發電機自動處理。

更少的記憶體消耗

生成器有助於最大程度地減少記憶體消耗，尤其是在處理大型資料集時，因為生成器一次只會返回一項。

更好的效能和優化

發電機本質上是懶惰的。這意味著它們僅在需要時才生成值。與普通迭代器不同，在常規迭代器中，無論是否使用它們都會生成所有值，而生成器只會生成所需的值。反過來，這將導致您的程式執行更快。

建立乙個生成器非常容易。您需要做的就是編寫乙個普通函式，但是使用yield語句而不是return語句，如下所示。

def gen_function():
yield "python"

當return語句完全終止乙個函式時，yield只是暫停該函式，直到next()方法再次呼叫它為止。

例如，下面的程式同時使用yield和next()語句。

def mygenerator(l):  
total = 1
for n in l:
yield total
total += n
newgenerator = mygenerator([10,3])
print(next(newgenerator)) 
print(next(newgenerator))

讓我們看看生成器是如何工作的。考慮下面的示例。

# generator_example.py
def mygenerator(l): 
total = 0
for n in l:
total += n
yield total
newgenerator = mygenerator([10,20,30])
print(next(newgenerator)) 
print(next(newgenerator)) 
print(next(newgenerator))

在上面的函式中，我們定義了乙個名為mygenerator的生成器，該生成器將列表l作為引數。然後，我們定義乙個變數total並將其賦值為零。另外，我們遍歷列表中的每個元素，然後將其新增到total變數中。

然後，我們例項化newgenerator並在其上呼叫next()方法。這將執行**，直到產生total的第乙個值（在這種情況下為0。然後，該函式將保留total變數的值，直到下次呼叫該函式為止。與普通的return語句（一次返回所有值）不同，生成器將從中斷的地方開始提取。

以下是其餘的後續值。

# generator_example.py
def mygenerator(l): 
total = 0
for n in l:
yield total
total += n
newgenerator = mygenerator([10,20,30])
print(next(newgenerator)) 
print(next(newgenerator)) 
print(next(newgenerator)) 
# result
# 0# 10
# 30

如果嘗試在函式完成迴圈後呼叫該函式，則會收到stopiteration錯誤。

next()方法引發stopiteration，以表明迭代器不再產生其他項。

0 1030 traceback (most recent call last):

file "python", line 15, in stopiterationnormal function

例子2

在這個例子中，我們展示了如何在乙個函式中使用多個yield語句。

# colors.py
def colors():
yield "red"
yield "blue"
yield "green"
next_color =colors()
print(next(next_color))
print(next(next_color))
print(next(next_color))
# result
# red
# blue
# green

普通函式在呼叫該函式時會返回所有值，而生成器會等待直到再次呼叫next()方法。呼叫next()，顏色函式將從其停止處恢復。

生成器的記憶體使用效率更高，尤其是在處理非常大的列表或大物件時。這是因為您可以使用yield來處理較小的位，而不是一次將所有資料都儲存在記憶體中。

此外，不要忘記檢視我們可以在envato market上**和進行研究的產品，也可以使用以下供稿隨時提出任何問題並提供寶貴的反饋意見。

此外，如果您感到困惑，在課程部分中會有一門關於python生成器的很好的課程。

翻譯自:

Python生成器簡介

python 生成器作用 Python生成器

python生成器好處 Python生成器筆記

python生成器函式 Python 生成器函式

Python生成器簡介

python 生成器作用 Python生成器

python生成器好處 Python生成器筆記

python生成器函式 Python 生成器函式

相關推薦