python生成器用法实例详解

作者:小飞侠v科比 时间:2023-01-24 12:46:58 

本文实例讲述了python生成器用法。分享给大家供大家参考,具体如下:

1. 生成器

利用迭代器,我们可以在每次迭代获取数据(通过next()方法)时按照特定的规律进行生成。但是我们在实现一个迭代器时,关于当前迭代到的状态需要我们自己记录,进而才能根据当前状态生成下一个数据。为了达到记录当前状态,并配合next()函数进行迭代使用,我们可以采用更简便的语法,即生成器(generator)。生成器是一类特殊的迭代器。

2. 创建生成器方法1

要创建一个生成器,有很多种方法。第一种方法很简单,只要把一个列表生成式的 [ ] 改成 ( )


In [15]: L = [ x*2 for x in range(5)]
In [16]: L
Out[16]: [0, 2, 4, 6, 8]
In [17]: G = ( x*2 for x in range(5))
In [18]: G
Out[18]: <generator object <genexpr> at 0x7f626c132db0>
In [19]:

创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) , L 是一个列表,而 G 是一个生成器。我们可以直接打印出列表L的每一个元素,而对于生成器G,我们可以按照迭代器的使用方法来使用,即可以通过next()函数、for循环、list()等方法使用。


In [19]: next(G)
Out[19]: 0
In [20]: next(G)
Out[20]: 2
In [21]: next(G)
Out[21]: 4
In [22]: next(G)
Out[22]: 6
In [23]: next(G)
Out[23]: 8
In [24]: next(G)
---------------------------------------------------------------------------
StopIteration               Traceback (most recent call last)
<ipython-input-24-380e167d6934> in <module>()
----> 1 next(G)
StopIteration:
In [25]:
In [26]: G = ( x*2 for x in range(5))
In [27]: for x in G:
 ....:   print(x)
 ....:  
0
2
4
6
8
In [28]:

3. 创建生成器方法2

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。

我们仍然用上一节提到的斐波那契数列来举例,回想我们在上一节用迭代器的实现方式:


class FibIterator(object):
 """斐波那契数列迭代器"""
 def __init__(self, n):
   """
   :param n: int, 指明生成数列的前n个数
   """
   self.n = n
   # current用来保存当前生成到数列中的第几个数了
   self.current = 0
   # num1用来保存前前一个数,初始值为数列中的第一个数0
   self.num1 = 0
   # num2用来保存前一个数,初始值为数列中的第二个数1
   self.num2 = 1
 def __next__(self):
   """被next()函数调用来获取下一个数"""
   if self.current < self.n:
     num = self.num1
     self.num1, self.num2 = self.num2, self.num1+self.num2
     self.current += 1
     return num
   else:
     raise StopIteration
 def __iter__(self):
   """迭代器的__iter__返回自身即可"""
   return self

注意,在用迭代器实现的方式中,我们要借助几个变量(n、current、num1、num2)来保存迭代的状态。现在我们用生成器来实现一下。


In [30]: def fib(n):
 ....:   current = 0
 ....:   num1, num2 = 0, 1
 ....:   while current < n:
 ....:     num = num1
 ....:     num1, num2 = num2, num1+num2
 ....:     current += 1
 ....:     yield num
 ....:   return 'done'
 ....:
In [31]: F = fib(5)
In [32]: next(F)
Out[32]: 1
In [33]: next(F)
Out[33]: 1
In [34]: next(F)
Out[34]: 2
In [35]: next(F)
Out[35]: 3
In [36]: next(F)
Out[36]: 5
In [37]: next(F)
---------------------------------------------------------------------------
StopIteration               Traceback (most recent call last)
<ipython-input-37-8c2b02b4361a> in <module>()
----> 1 next(F)
StopIteration: done

在使用生成器实现的方式中,我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现,但是将每次迭代返回数值的return换成了yield,此时新定义的函数便不再是函数,而是一个生成器了。简单来说:只要在def中有yield关键字的 就称为 生成器

此时按照调用函数的方式( 案例中为F = fib(5) )使用生成器就不再是执行函数体了,而是会返回一个生成器对象( 案例中为F ),然后就可以按照使用迭代器的方式来使用生成器了


In [38]: for n in fib(5):
 ....:   print(n)
 ....:  
1
1
2
3
5
In [39]:

但是用for循环调用generator时,发现拿不到generator的return语句的返回值。如果想要拿到返回值,必须捕获StopIteration错误,返回值包含在StopIteration的value中:


In [39]: g = fib(5)
In [40]: while True:
 ....:   try:
 ....:     x = next(g)
 ....:     print("value:%d"%x)  
 ....:   except StopIteration as e:
 ....:     print("生成器返回值:%s"%e.value)
 ....:     break
 ....:  
value:1
value:1
value:2
value:3
value:5
生成器返回值:done
In [41]:

总结

使用了yield关键字的函数不再是函数,而是生成器。(使用了yield的函数就是生成器)

yield关键字有两点作用:

保存当前运行状态(断点),然后暂停执行,即将生成器(函数)挂起
将yield关键字后面表达式的值作为返回值返回,此时可以理解为起到了return的作用
可以使用next()函数让生成器从断点处继续执行,即唤醒生成器(函数)
Python3中的生成器可以使用return返回最终运行的返回值,而Python2中的生成器不允许使用return返回一个返回值(即可以使用return从生成器中退出,但return后不能有任何表达式)。

4. 使用send唤醒

我们除了可以使用next()函数来唤醒生成器继续执行外,还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。

例子:执行到yield时,gen函数作用暂时保存,返回i的值; temp接收下次c.send(“python”),send发送过来的值,c.next()等价c.send(None)


In [10]: def gen():
 ....:   i = 0
 ....:   while i<5:
 ....:     temp = yield i
 ....:     print(temp)
 ....:     i+=1
 ....:

使用send


n [43]: f = gen()
In [44]: next(f)
Out[44]: 0
In [45]: f.send('haha')
haha
Out[45]: 1
In [46]: next(f)
None
Out[46]: 2
In [47]: f.send('haha')
haha
Out[47]: 3
In [48]:

用next函数


In [11]: f = gen()
In [12]: next(f)
Out[12]: 0
In [13]: next(f)
None
Out[13]: 1
In [14]: next(f)
None
Out[14]: 2
In [15]: next(f)
None
Out[15]: 3
In [16]: next(f)
None
Out[16]: 4
In [17]: next(f)
None
---------------------------------------------------------------------------
StopIteration               Traceback (most recent call last)
<ipython-input-17-468f0afdf1b9> in <module>()
----> 1 next(f)
StopIteration:

使用__next__()方法(不常使用)


In [18]: f = gen()
In [19]: f.__next__()
Out[19]: 0
In [20]: f.__next__()
None
Out[20]: 1
In [21]: f.__next__()
None
Out[21]: 2
In [22]: f.__next__()
None
Out[22]: 3
In [23]: f.__next__()
None
Out[23]: 4
In [24]: f.__next__()
None
---------------------------------------------------------------------------
StopIteration               Traceback (most recent call last)
<ipython-input-24-39ec527346a9> in <module>()
----> 1 f.__next__()
StopIteration:

希望本文所述对大家Python程序设计有所帮助。

来源:https://blog.csdn.net/kai46385076/article/details/100058838

标签:python,生成器
0
投稿

猜你喜欢

  • vue移动端实现手指滑动效果

    2023-07-02 16:48:49
  • 深入解析Python中的上下文管理器

    2021-12-26 01:13:46
  • Pandas使用Merge与Join和Concat分别进行合并数据效率对比分析

    2023-03-13 12:14:01
  • JS 类型转换常见方法小结

    2024-04-17 09:49:17
  • Python根据成绩分析系统浅析

    2023-08-02 20:25:07
  • Python内建类型int源码学习

    2023-07-02 19:22:15
  • ACCESS数据库遇日文时内存溢出的最简单处理办法

    2009-07-09 14:04:00
  • 基于Python实现的恋爱对话小程序详解

    2023-01-14 11:08:38
  • python实现贪吃蛇游戏源码

    2021-07-22 12:45:24
  • Entity Framework使用Code First模式管理数据库

    2024-01-28 04:40:43
  • PHP实现通过正则表达式替换回调的内容标签

    2024-05-13 09:25:39
  • python的字典和集合你了解吗

    2022-12-13 11:28:44
  • SQL Server中调用C#类中的方法实例(使用.NET程序集)

    2024-01-23 17:24:56
  • php环境下利用session防止页面重复刷新的具体实现

    2023-11-14 08:51:45
  • pandas实现数据合并的示例代码

    2021-03-14 01:10:59
  • 在pytorch中动态调整优化器的学习率方式

    2022-08-14 00:30:57
  • Python中turtle库的使用实例

    2023-08-01 23:05:56
  • 栅格:灵活应变

    2008-07-22 12:22:00
  • selenium切换标签页解决get超时问题的完整代码

    2023-08-26 09:41:25
  • c#连接mysql数据库的方法

    2024-01-23 02:52:32
  • asp之家 网络编程 m.aspxhome.com