python高階（11）生成器

利用迭代器，我們可以在每次迭代獲取資料（通過next()方法）時按照特定的規律進行生成。但是我們在實現乙個迭代器時，關於當前迭代到的狀態需要我們自己記錄，進而才能根據當前狀態生成下乙個資料。

為了達到記錄當前狀態，並配合next()函式進行迭代使用，我們可以採用更簡便的語法，即生成器(generator)。生成器是一類特殊的迭代器。

要建立乙個生成器，有很多種方法。第一種方法很簡單，只要把乙個列表生成式的 [ ] 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
at 0x7fb63d218750>

建立 l 和 g 的區別僅在於最外層的 [ ] 和 ( ) ， l 是乙個列表，而 g 是乙個生成器。我們可以直接列印出列表l的每乙個元素，而對於生成器g，我們可以按照迭代器的使用方法來使用，即可以通過next()函式、for迴圈、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 "", line 1, in next(g)
stopiteration
>>> g = ( x**2 for x in range(5))
>>> for x in g:
print(x)

generator非常強大。如果推算的演算法比較複雜，用類似列表生成式的 for 迴圈無法實現的時候，還可以用函式來實現。

就像之前提到的斐波那切數列

注意，在用迭代器實現的方式中，我們要借助幾個變數(n、current、num1、num2)來儲存迭代的狀態。現在我們用生成器來實現一下。

>>> 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 "", line 1, in next(f)
stopiteration: 完成

在使用生成器實現的方式中，我們將原本在迭代器__next__方法中實現的基本邏輯放到乙個函式中來實現，但是將每次迭代返回數值的return換成了yield，此時新定義的函式便不再是函式，而是乙個生成器了。

簡單來說：只要在def中有yield關鍵字的就稱為生成器

此時按照呼叫函式的方式( 案例中為f = fib(5) )使用生成器就不再是執行函式體了，而是會返回乙個生成器物件（案例中為f ），然後就可以按照使用迭代器的方式來使用生成器了。

>>> for n in fib(5):
print(n)01
123>>>

但是用for迴圈呼叫generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲stopiteration錯誤，返回值包含在stopiteration的value中：

>>> g = fib(5)
>>> while true:
try:
x = next(g)
print(f"value:")
except stopiteration as e:
print(f"生成器返回值:")
break
value:0
value:1
value:1
value:2
value:3
生成器返回值:完成

# 列表的記憶體開銷和執行時間
start_time = time.perf_counter() 
list1 = [i for i in range(2, 10001, 2)]
cost_time = time.perf_counter()-start_time
print(f"記憶體開銷為位元組")
# 生成器的記憶體開銷和執行時間
start_time1 = time.perf_counter()
g = (i for i in range(2, 10001, 2))
cost_time1 = time.perf_counter()-start_time1
print(f"記憶體開銷為位元組")

結果

記憶體開銷為43048位元組

記憶體開銷為128位元組

通過結果，我們可以明顯的看出，生成器的記憶體開銷和執行速度要明顯比列表的要更節省記憶體，執行速度更快

如果有乙個包含100w個元素的列表，但是我們僅僅只想訪問前3個，那麼後面的列表元素占用的記憶體空間都是浪費的，這個時候我們沒必要建立完成的list，可以使用生成器，從而可以節省大量記憶體空間

可以使用next()函式讓生成器從斷點處繼續執行，即喚醒生成器（函式）

python3中的生成器可以使用return返回最終執行的返回值，而python2中的生成器不允許使用return返回乙個返回值（即可以使用return從生成器中退出，但return後不能有任何表示式）。

我們除了可以使用next()函式來喚醒生成器繼續執行外，還可以使用send()函式來喚醒執行。使用send()函式的乙個好處是可以在喚醒的同時向斷點處傳入乙個附加資料。

例子：執行到yield時，gen函式作用暫時儲存，返回i的值; temp接收下次c.send("python")，send傳送過來的值，c.next()等價c.send(none)

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

>>> f = gen()
>>> next(f)
0>>> f.send('haha')
haha
1>>> next(f)
none
2>>> f.send('haha')
haha
3>>>

python高階（11）生成器

python3生成器 Python3 生成器

《Python高階程式設計》（三）生成器

Python（九）生成器

python高階（11）生成器

python3生成器 Python3 生成器

《Python高階程式設計》（三）生成器

Python（九）生成器

相關推薦