python 生成器

生成器可以理解为一种的数据结构,将算法保存,每次计算并返回一个结果,实现了迭代器协议,生成器也是迭代器

生成器有两种表现形式,1)生成器表达式;2)生成器函数

1、生成器表达式

说到生成器表达式,就得先说一下列表推导式   [i for i in range(10)]   ,生成器表达式,就是将 [ ]  改为 (),区别如下所示

 1 >>> b = [i for i in range(20)]
 2 >>> b
 3 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
 4 
 5 >>> b = (i for i in range(20000))
 6 >>> b
 7 <generator object <genexpr> at 0x00000185EC6104F8>
 8 >>> next(b)
 9 0
10 >>> next(b)
11 1
12 >>> next(b)
13 2

生成器表达式优点:省内存,一次只计算返回一结果。 缺点:不知道有几个元素,只能往后遍历,不能向前遍历,且只能整个生成器只能遍历一次

列表推导式优点:可以通过下标获取元素。 缺点:占用内存大

2、生成器函数

生成器函数:在函数中如果出现了yield关键字,那么该函数就不再是普通函数,而是生成器函数

我们都知道 return 是函数的返回值,yield 也可以将值返回,我们先看一个简单的生成器函数与普通函数之间的差别

 1 >>> def test():
 2 ...     print("_______生成器函数")
 3 ...     yield "返回值1"
 4 ...     yield "返回值2"
 5 ...     yield "返回值3"
 6 ...
 7 >>> test()
 8 <generator object test at 0x000001651BEC0570>
 9 >>> t1 = test()
10 >>> print(t1.__next__())
11 _______生成器函数
12 返回值1
13 >>> print(t1.__next__())
14 返回值2
15 >>> print(t1.__next__())
16 返回值3
17 >>> print(t1.__next__())
18 Traceback (most recent call last):
19   File "<stdin>", line 1, in <module>
20 StopIteration

 可以看到在第7行调用test()函数的时候,并没有执行函数,而是返回了一个生成器对象。在第10行执行 t1.__next__() 才真正的执行了函数,返回 "返回值1",并保存当前的生成器函数的状态。

每执行一次 next(),生成器函数将执行到下一 yield 并将相应的结果返回,直到产生StopIteration异常。

理解了上述过程,就不难理解生成器表达式的原理,next(t1)  等价于  t1.__next__()

def test():
    for i in range(10):
        yield i

print(test())
t2 = test()
print(next(t2))
print(next(t2))
print(next(t2))

t3 = (i for i in range(10))
print(t3)
print(next(t3))
print(next(t3))
print(next(t3))

#输出结果
<generator object test at 0x000001A12D8FF570>
0
1
2
<generator object <genexpr> at 0x000001A12D8FF5E8>
0
1
2

 

3、生成器强调,send()

生成器中还有一个重要的方法  send() 方法,send()  方法可以解决将值传递给生成器函数的问题,具体如下:

 1 >>> def test():
 2 ...     print("____start_____")
 3 ...     y1 = yield "返回1"
 4 ...     print("____生成器函数内:%s" % y1)
 5 ...     y2 = yield "返回2"
 6 ...     print("____生成器函数内:%s" % y2)
 7 ...     yield "返回3"
 8 ...
 9 >>>
10 >>> t1 = test()
11 >>> print(t1.__next__())
12 ____start_____
13 返回1
14 >>> print(t1.send("a"))
15 ____生成器函数内:a
16 返回2
17 >>> print(t1.send("b"))
18 ____生成器函数内:b
19 返回3

 

在这里第一次获取值的时候,不能用send(),否者会报错,如果一定要用send,则传值None,如下:

>>> t2 = test()
>>> t2.send("a")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: can't send non-None value to a just-started generator
>>> t3 = test()
>>> t3.send(None)
____start_____
'返回1'

于send()  不是很理解的可以尝试往下看,下边是我的一些个人理解,不是很准确,我觉得这样会比较好理解一些

我们可以把函数内 第3行   y1 = yield "返回1"  看成两个过程:1)yield "返回1"    2)y1 = receive_from_send()   [并没有这个方法,只是为了理解说明]

这样就可以看到,当执行 send() 时将参数"a" 传递给生成器函数,并在 1)过程停留,传递过去的值没有语句接收,则会出错

所以第一次是不能传值给生成器函数,y1接收到的值为下一次遍历遍历生成器接收的值。

这里也可以也可以在,上上边的代码执行流程可以看出,执行了 14行,y1才会接收到值。

补充一点:每执行一次 1)next(),2)__next(),3)send(),都会在yield语句停留,并保存当前状态,知道直到产生StopIteration异常,结束遍历。

 

通过生成器,实现斐波那契数列

def fib(n):
    a, b = 0, 1
    while True:
        yield b
        a, b = b, a + b
        if b > n:
            return


f1 = fib(100)   #小于 100 的斐波那契数列
for i in f1:
    print(i,end=" ")

#输出结果
1 1 2 3 5 8 13 21 34 55 89

 

posted @ 2018-08-13 23:42  nonzero  阅读(529)  评论(0编辑  收藏  举报