Python浅析生成器generator的使用

作者:Flyme 时间:2023-09-02 16:58:40 

一、创建生成器

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100万个元素的列表,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。

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?

# 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'>

1.创建生成器的方式1

  • 生成式

g = (i for i in range(10))
print(g)
print(type(g))
# <generator object <genexpr> at 0x00000190CC886350> g是一个生成器对象
# <class 'generator'> g的类型是生成器

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:

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))  '''
Traceback (most recent call last):
 File "E:/Python Project/直播答疑/5.生成器.py", line 47, in <module>
   print(next(f))
StopIteration '''

也可以通过for-in循环打印出来

for i in g:
   print(i)
'''
0
1
2
3
4
5
6
7
8
9
'''

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。 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。 所以,我们创建了一个生成器后,基本上不会调用 next() ,而是通过 for 循环来迭代它,并且不需要关心 StopIteration 的错误。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

# 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)
'''
1
1
2
3
5
8
'''

仔细观察,可以看出,fifib_a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:

2.创建生成器的方式2

  • yield

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))
'''
1
1
2
3
5
8
'''
print(next(f))
'''
Traceback (most recent call last):
 File "E:/Python Project/直播答疑/5.生成器.py", line 47, in <module>
   print(next(f))
StopIteration
'''

在上⾯fifib 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:

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)
for i in f:
   print(i)
'''
1
1
2
3
5
8
'''

二、遍历生成器的方式

1.通过next()函数

2.通过循环打印 for- in

3.objict内置的__next__()方法

4.send() 方法,生成器的第一个值必须是send(None),后面没有限制

# 创建一个生成器
g = (i for i in range(10))
print(next(g))
print(next(g))
# 0
# 1
print(g.__next__())
print(g.__next__())
# 2
# 3
print(g.send(None))
print(g.send(''))
print(g.send(1))
# 4
# 5
# 6
for i in g:
   print(i)
'''
7
8
9
'''

三、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&ldquo;记住&rdquo;了它数据状态;⽣成器还&ldquo;记住&rdquo;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:

'''
1. 节约内存 
2. 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
'''

来源:https://aweia.blog.csdn.net/article/details/125381973

标签:Python,生成器,generator
0
投稿

猜你喜欢

  • 对Pycharm创建py文件时自定义头部模板的方法详解

    2022-06-05 15:24:06
  • python远程连接MySQL数据库

    2024-01-19 13:53:29
  • JavaScript中CreateTextFile函数

    2024-04-18 10:49:03
  • asp如何调用DLL来加快服务器的执行速度?

    2009-11-15 20:07:00
  • python淘宝准点秒杀抢单的实现示例

    2021-08-20 17:50:23
  • Python入门教程(三十)Python的PIP

    2022-03-08 02:32:51
  • python实现的汉诺塔算法示例

    2023-09-21 11:28:17
  • Ceph分布式存储集群Pool资源池简介及使用小结

    2022-08-10 12:42:21
  • spring boot 不连接数据库启动的解决

    2024-01-18 06:38:54
  • python基于urllib实现按照百度音乐分类下载mp3的方法

    2022-03-07 21:07:38
  • 通过作业调度建立SQL Server的自动备份

    2008-12-09 14:58:00
  • sql server vs10安装之后一些列问题

    2012-01-05 19:22:41
  • Python sklearn对文本数据进行特征化提取

    2023-05-19 09:07:04
  • 通过排序引导用户的行为方式

    2008-05-17 09:30:00
  • go之如何设置GOROOT和GOPATH

    2023-07-19 21:27:24
  • python 日志模块logging的使用场景及示例

    2023-01-10 16:39:57
  • python机器学习之神经网络

    2023-11-10 21:39:19
  • 解决Pycharm调用Turtle时 窗口一闪而过的问题

    2023-05-06 14:46:29
  • Python中elasticsearch插入和更新数据的实现方法

    2023-02-25 02:14:20
  • webpack5搭建一个简易的react脚手架项目实践

    2024-04-18 10:02:37
  • asp之家 网络编程 m.aspxhome.com