Python知识点：Python生成器

生成器&＃xff0c;是一个用来创建迭代器的工具。它简单而强大&＃xff0c;类似写函数那样进行定义&＃xff0c;但是需要返回数据时不是使用return&＃xff0c;而是使用yield语句。

生成器

生成器函数
用yield语句返回数据的“函数”&＃xff0c;称为生成器函数。我们把上一节中自定义类LessThan改写成生成器函数&＃xff1a;

In [30]: def lessthan(n): ...: for i in range(n-1, -1, -1): ...: yield i ...: ...:In [31]: for i in lessthan(5): ...: print(i) ...:
4
3
2
1
0
In [32]: lt &＃61; lessthan(3)## 查看生成器对象的__iter__()和__next__()&＃xff1a;
In [33]: lt.__iter__?
Signature: lt.__iter__()
Call signature: lt.__iter__(*args, **kwargs)
Type: method-wrapper
String form: <method-wrapper &＃39;__iter__&＃39; of generator object at 0x7fc048cb8ba0>
Docstring: Implement iter(self).In [34]: lt.__next__?
Signature: lt.__next__()
Call signature: lt.__next__(*args, **kwargs)
Type: method-wrapper
String form: <method-wrapper &＃39;__next__&＃39; of generator object at 0x7fc048cb8ba0>
Docstring: Implement next(self).


通过生成器改写LessThan类后&＃xff0c;代码更加简洁紧凑&＃xff0c;因为它自动创建了__iter__()和__next__()方法&＃xff0c;通过for循环可以遍历生成器对象。

接下来我们定义一个生成器对象lt&＃xff0c;对这个生成器对象调用next()&＃xff0c;每一次调用它都会从上次离开的位置回复执行&＃xff08;也就是记住上次执行语句时的所有数据值&＃xff09;。当生成器生成了所有元素&＃xff08;生成器终结&＃xff09;就会引发StopIteration错误。

In [53]: lt &＃61; lessthan(3)In [54]: next(lt)
Out[54]: 2In [55]: next(lt)
Out[55]: 1In [56]: next(lt)
Out[56]: 0In [57]: next(lt)
---------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-37-00f31299a3f9> in <module>
----> 1 next(lt)StopIteration:


生成器解析式
为了实现一些简单的生成器&＃xff0c;我们可以不用函数的形式&＃xff0c;而是用类似列表解析式的语法&＃xff0c;将外层的方括号用圆括号代替即可。

生成器表达式相比完整的生成器更紧凑但较不灵活&＃xff0c;相比等效的列表推导式则更为节省内存。比如下面的的代码&＃xff0c;用列表表达式生成的mylist的每个元素都保存在内存中&＃xff0c;而mygener每次迭代时才会产生一个元素。假设元素个数不是10&＃xff0c;而是100万甚至更多&＃xff0c;此时生成器的内存优势会非常明显。

In [41]: mylist &＃61; [i*i for i in range(10)]In [42]: mylist
Out[42]: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]In [43]: mygener &＃61; (i*i for i in range(10))In [44]: mygener


Out[44]:
生成器解析式被设计用于生成器将立即被外层函数所使用的情况&＃xff0c;比如&＃xff1a;

In [45]: sum(i*i for i in range(10))
Out[45]: 285


sum()括号里面的i*i for i in range(10)就是一个生成器解析式&＃xff0c;避免生成一个列表而占用过多内存。

同样的&＃xff0c;下面的例子中都是使用了生成器解析式&＃xff1a;

xvec &＃61; [10, 20, 30]
yvec &＃61; [7, 5, 3]
sum(x*y for x,y in zip(xvec, yvec)) # dot productfrom math import pi, sin
sine_table &＃61; {x: sin(x*pi/180) for x in range(0, 91)}unique_words &＃61; set(word for line in page for word in line.split())valedictorian &＃61; max((student.gpa, student.name) for student in graduates)data &＃61; &＃39;golf&＃39;
list(data[i] for i in range(len(data)-1, -1, -1))


总结
Python提供了两种方式实现生成器&＃xff1a;

&＃xff08;1&＃xff09;生成器函数
语法上与普通函数相似&＃xff0c;用yield替代return换回值&＃xff1b;自动实现迭代器协议&＃xff1a;iter()方法和__next__()方法。没有值可返回时&＃xff0c;引起StopInteration异常。yield语句挂起生成器函数的状态&＃xff0c;以便再次迭代时从离开的状态继续执行。

&＃xff08;2&＃xff09;生成器解析式
类似列表解析式&＃xff0c;用圆括号替换方括号&＃xff0c;从而简单实现简单的生成器。

&＃xff08;3&＃xff09;生成器的优点
代码紧凑&＃xff0c;节省内存。不像列表可以多次遍历&＃xff0c;生成器只能遍历一遍。
Python学习路线图&＃xff1a;&＃xff08;路线&＃xff09;