骏马金龙 (博客已搬家:www.junmajinlong.com)

网名骏马金龙,钟情于IT世界里的各种原理和实现机制,强迫症重症患者。爱研究、爱翻译、爱分享。特借此一亩三分田记录自己成长点滴!!!

Python迭代和解析(5):搞懂生成器和yield机制

解析、迭代和生成系列文章:https://www.cnblogs.com/f-ck-need-u/p/9832640.html


何为生成器

生成器的wiki页:https://en.wikipedia.org/wiki/Generator_(computer_programming)

在计算机科学中,生成器是特定的迭代器,它完全实现了迭代器接口,所以所有生成器都是迭代器。不过,迭代器用于从数据集中取出元素;而生成器用于"凭空"生成(yield)元素。它不会一次性将所有元素全部生成,而是按需一个一个地生成,所以从头到尾都只需占用一个元素的内存空间。

很典型的一个例子是斐波纳契数列:斐波纳契数列中的数有无穷个,在一个数据结构里放不下,但是可以在需要下一个元素的时候临时计算。

再比如内置函数range()也返回一个类似生成器的对象,每次需要range里的一个数据时才会临时去产生它。如果一定要让range()函数返回列表,必须明确指明list(range(100))

在Python中生成器是一个函数,但它的行为像是一个迭代器。另外,Python也支持生成器表达式。

初探生成器

下面是一个非常简单的生成器示例:

>>> def my_generator(chars):
...     for i in chars:
...         yield i * 2

>>> for i in my_generator("abcdef"):
...     print(i, end=" ")

aa bb cc dd ee ff

这里的my_generator是生成器函数(使用了yield关键字的函数,将被声明为generator对象),但是它在for循环中充当的是一个可迭代对象。实际上它本身就是一个可迭代对象:

>>> E = my_generator("abcde")
>>> hasattr(E, "__iter__")
True
>>> hasattr(E, "__next__")
True

>>> E is iter(E)
True

由于生成器自动实现了__iter____next__,且__iter__返回的是迭代器自身,所以生成器是一个单迭代器,不支持多迭代

此外,生成器函数中使用for来迭代chars变量,但对于chars中被迭代的元素没有其它操作,而是使用yield来返回这个元素,就像return语句一样。

只不过yield和return是有区别的,yield在生成一个元素后,会记住迭代的位置并将当前的状态挂起(还记住了其它一些必要的东西),等到下一次需要元素的时候再从这里继续yield一个元素,直到所有的元素都被yield完(也可能永远yield不完)。return则是直接退出函数,

yield from

当yield的来源为一个for循环,那么可以改写成yield from。也就是说,for i in g:yield i等价于yield from g

例如下面是等价的。

def mygen(chars):
  yield from chars

def mygen(chars):
  for i in chars:
    yiled i

yield from更多地用于子生成器的委托,本文暂不对此展开描述。

生成器和直接构造结果集的区别

下面是直接构造出列表的方式,它和前面示例的生成器结果一样,但是内部工作方式是不一样的。

def mydef(chars):
    res = []
    for i in chars:
        res.append(i * 2)
    return res

for i in mydef("abcde"):
    print(i,end=" ")

这样的结果也能使用列表解析或者map来实现,例如:

for x in [s * 2 for s in "abcde"]: print(x, end=" ")

for x in map( (lambda s: s * 2), "abcde" ): print(x, end=" ")

虽然结果上都相同,但是内存使用上和效率上都有区别。直接构造结果集将会等待所有结果都计算完成后一次性返回,可能会占用大量内存并出现结果集等待的现象。而使用生成器的方式,从头到尾都只占用一个元素的内存空间,且无需等待所有元素都计算完成后再返回,所以将时间资源分布到了每个结果的返回上。

例如总共可能会产生10亿个元素,但只想取前10个元素,如果直接构造结果集将占用巨量内存且等待很长时间,但使用生成器的方式,这10个元素根本不需等待,很快就计算出来。

必须理解的生成器函数:yield如何工作

理解这个工作过程非常重要,是理解和掌握yield的关键。

1.调用生成器函数的时候并没有运行函数体中的代码,它仅仅只是返回一个生成器对象

正如下面的示例,并非输出任何内容,说明没有执行生成器函数体。

def my_generator(chars):
    print("before")
    for i in chars:
        yield i
    print("after")

>>> c = my_generator("abcd")
>>> c
<generator object my_generator at 0x000001DC167392A0>
>>> I = iter(c)

2.只有开始迭代的时候,才真正开始执行函数体。且在yield之前的代码体只执行一次,在yield之后的代码体只在当前yield结束的时候才执行

>>> next(I)
before        # 第一次迭代
'a'
>>> next(I)
'b'
>>> next(I)
'c'
>>> next(I)
'd'          
>>> next(I)
after        # 最后一次迭代,抛出异常停止迭代
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

一个生成器函数可以有多个yield语句,看看下面的执行过程:

def mygen():
    print("1st")
    yield 1
    print("2nd")
    yield 2
    print("3rd")
    yield 3
    print("end")

>>> m = mygen()
>>> next(m)
1st
1
>>> next(m)
2nd
2
>>> next(m)
3rd
3
>>> next(m)
end
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

到此,想必已经理解了yield的工作过程。但还有一些细节有必要解释清楚。

yield是一个表达式,但它是有返回值的。需要注意的是,yield操作会在产生并发送了值之后立即让函数处于挂起状态,挂起的时候连返回值都还没来得及返回。所以,yield表达式的返回值是在下一次迭代时才生成返回值的。关于yield的返回值相关,见下面的生成器的send()方法。

yield的返回值和send()

上面说了,yield有返回值,且其返回值是在下一次迭代的时候才返回的。它的返回值根据恢复yield的方式不同而不同

yield有以下几种常见的表达式组合方式:

yield 10            # (1) 丢弃yield的返回值
x = yield 10        # (2) 将yield返回值赋值给x
x = (yield 10)      # (3) 等价于 (2)
x = (yield 10) + 11 # (4) 将yield返回值加上11后赋值给x

不管yield表达式的编码方式如何,它的返回值都和调用next()(或__next__())还是生成器对象的send()方法有关。这里的send()方法和next()都用于恢复当前挂起的yield。

如果是调用next()来恢复yield,那么yield的返回值为None,如果调用gen.send(XXX)来恢复yield,那么yield的返回值为XXX。其实next()可以看作是等价于gen.send(None)

再次提醒,yield表达式会在产生一个值后立即挂起,它连返回值都是在下一次才返回的,更不用说yield的赋值和yield的加法操作。

所以,上面的4种yield表达式方式中,如果使用next()来恢复yield,则它们的值分别为:

yield 10       # 先产生10发送出去,然后返回None,但丢弃
x = yield 10   # 返回None,赋值给x
x = (yield 10) # 与上等价
x = (yield 10)+11 # 返回None,整个过程报错,因为None和int不能相加

如果使用的是send(100),上面的4种yield表达式方式中的值分别为:

yield 10       # 先产生10发送出去,然后返回100,但丢弃
x = yield 10   # 返回100,赋值给x,x=100
x = (yield 10) # 与上等价
x = (yield 10)+11 # 返回100,加上11后赋值给x,x=111

为了解释清楚yield工作时的返回值问题,我将用两个示例详细地解释每一次next()/send()的过程。

解释yield的第一个示例

这个示例比较简单。

def mygen():
  x = yield 111         # (1)
  print("x:", x)        # (2)
  for i in range(5):    # (3)
    y = yield i         # (4)
    print("y:", y)      # (5)

M = mygen()

1.首先执行下面的代码

>>> print("first:",next(M))
111

这一行执行后,首先将yield出来的111传递给调用者,然后立即在(1)处进行挂起,这时yield表达式还没有进入返回值状态,所以x还未进行赋值操作。但是next(M)已经返回了,所以print正常输出。

无论是next()(或__next__)还是send()都可以用来恢复挂起的yield,但第一次进入yield必须使用next()或者使用send(None)来产生一个挂起的yield。假如第一次就使用send(100),由于此时还没有挂起的yield,所以没有yield需要返回值,这会报错。

2.再执行下面的代码

>>> print("second:",M.send(10))
x: 10
second: 0

这里的M.send(10)首先恢复(1)处挂起的yield,并将10作为该yield的返回值,所以x = 10,然后生成器函数的代码体继续向下执行,到了print("x:",x)正常输出。

再继续进入到for循环迭代中,又再次遇到了yield,于是yield产生range(5)的第一个数值0传递给调用者然后立即挂起,于是M.send()等待到了这个yield值,于是输出"second: 0"。但注意,这时候y还没有进行赋值,因为yield还没有进入返回值的过程。

3.再执行下面的代码

>>> print("third:",M.send(11))
y: 11
third: 1

这里的M.send(11)首先恢复上次挂起的yield并将11作为该挂起yield的返回值,所以y=11,因为yield已经恢复,所以代码体继续详细执行print("y:",y),执行之后进入下一轮for迭代,于是再次遇到yield,它生成第二个range的值1并传递给调用者,然后挂起,于是M.send()接收到数值1并返回,于是输出third: 1。注意,此时的y仍然是11,因为for的第二轮yield还没有返回。

4.继续执行,但使用next()

>>> print("fourth:",next(M))
y: None
fourth: 2

这里的next(M)恢复前面挂起的yield,并且将None作为yield的返回值,所以y赋值为None。然后进入下一轮for循环、遇到yield,next()接收yield出来的值2并返回。

next()可以看作等价于M.send(None)

5.依此类推,直到迭代结束抛出异常

>>> print("fifth:",M.send(13))
y: 13
fifth: 3
>>> print("sixth:",M.send(14))
y: 14
sixth: 4
>>> print("seventh:",M.send(15))     # 看此行
y: 15
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

当发送M.send(15)时,前面挂起的yield恢复并以15作为返回值,所以y=15。于是继续执行,但此时for迭代已经完成了,于是抛出异常,整个生成器函数终止。

解释yield的第二个示例

这个示例稍微复杂些,但理解了前面的yield示例,这个示例也很容易理解。注意,下面的代码不要在交互式python环境中执行,而是以py脚本的方式执行。

def gen():
    for i in range(5):
        X = int((yield i) or 0) + 10 + i
        print("X:",X)

G = gen()
for a in G:
    print(a)
    G.send(77)

执行结果为:

0
X: 87
X: 11
2
X: 89
X: 13
4
X: 91
Traceback (most recent call last):
  File "g:\pycode\lists.py", line 10, in <module>
    G.send(77)
StopIteration

这里for a in G用的是next(),在这个for循环里又用了G.send(),因为send()接收的值在空上下文,所以被丢弃,但它却将生成器向前移动了一步。

更多的细节请自行思考,如不理解可参考上一个示例的分析。

生成器表达式和列表解析

列表解析/字典解析/集合解析是使用中括号、大括号包围for表达式的,而生成器表达式则是使用小括号包围for表达式,它们的for表达式写法完全一样。

# 列表解析
>>> [ x * 2 for x in range(5) ]
[0, 2, 4, 6, 8]

# 生成器表达式
>>> ( x * 2 for x in range(5) )
<generator object <genexpr> at 0x0000013F550A92A0>

在结果上,列表解析等价于list()函数内放生成器表达式:

>>> [ x * 2 for x in range(5) ]
[0, 2, 4, 6, 8]

>>> list( x * 2 for x in range(5) )
[0, 2, 4, 6, 8]

但是工作方式完全不一样。列表解析等待所有元素都计算完成后一次性返回,而生成器表达式则是返回一个生成器对象,然后一个一个地生成并构建成列表。生成器表达式可以看作是列表解析的内存优化操作,但执行速度上可能要稍慢于列表解析。所以生成器表达式和列表解析之间,在结果集非常大的时候可以考虑采用生成器表达式。

一般来说,如果生成器表达式作为函数的参数,只要该函数没有其它参数都可以省略生成器表达式的括号,如果有其它参数,则需要括号包围避免歧义。例如:

sum( x ** 2 for x in range(4))

sorted( x ** 2 for x in range(4))

sorted((x ** 2 for x in range(4)),reverse=True)

生成器表达式和生成器函数

生成器表达式一般用来写较为简单的生成器对象,生成器函数代码可能稍多一点,但可以实现逻辑更为复杂的生成器对象。它们的关系就像列表解析和普通的for循环一样。

例如,将字母重复4次的生成器对象,可以写成下面两种格式:

# 生成器表达式
t1 = ( x * 4 for x in "hello" )

# 生成器函数
def time4(chars):
  for x in chars:
    yield x * 4

t2 = time4("abcd")

使用生成器模拟map函数

map()函数的用法:

map(func, *iterables) --> map object

要想模拟map函数,先看看map()对应的for模拟方式:

def mymap(func,*seqs):
  res = []
  for args in zip(*args):
    res.append( func(*args) )
  return res

print( mymap(pow, [1,2,3], [2,3,4,5]) )

对此,可以编写出更精简的列表解析方式的map()模拟代码:

def mymap(func, *seqs):
  return [ func(*args) for args in zip(*seqs) ]

print( mymap(pow, [1,2,3], [2,3,4,5]) )

如果要用生成器来模拟这个map函数,可以参考如下代码:

# 生成器函数方式
def mymap(func, *seqs):
  res = []
  for args in zip(*args):
    yield func(*args)

# 或者生成器表达式方式
def mymap(func, *seqs):
  return ( func(*args) for args in zip(*seqs) )
posted @ 2019-01-14 13:03  骏马金龙  阅读(1130)  评论(2编辑  收藏