生成器

生成器

生成器的作用

每次只生成一个值，而不是直接创建大的元组，节省内存消耗。

第一个例子

先看一个交互式例子。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
>>> def make_counter(x):
...     print('entering make_counter')
...     while True:
...         yield x # 表明这是个生成器，所有变量、局部数据将在生成器里通过yield保存
...         print('incrementing x')
...         x = x + 1
... 
>>> counter = make_counter(2) # 获得一个迭代器
>>> counter
<generator object at 0x001C9C10>
>>> next(counter) # 恢复一个变量，执行到生成器的下一条yield语句
entering make_counter
2
>>> next(counter)
incrementing x
3
>>> next(counter)
incrementing x

make_counter 中出现的 yield 命令的表示这不是一个普通的函数，而是一个一次生成一个值的特殊类型函数。调用该函数将返回一个可用于生成连续 x 值的 生成器【Generator】 。

为创建 make_counter 生成器的实例，仅需像调用其它函数那样对它进行调用。注意该调用并不完全执行函数里的指令，由上例可见它并不指定第一行的print指令。

next() 函数以一个生成器对象为参数，并返回其下一个值。对 counter 生成器第一次调用 next() ，它针对第一条 yield 语句执行 make_counter() 中的代码，然后返回所产生的值。在此情况下，该代码输出将为 2，因其仅通过调用 make_counter(2) 对生成器进行初始创建。

对同一生成器对象反复调用 next() 将确切地从上次调用的位置开始继续，直到下一条 yield 语句。所有的变量、局部数据等内容在 yield 时被保存，在 next() 时被恢复 。下一行代码等待被执行以调用 print() 打印出 incrementing x 。之后，执行语句 x = x + 1。然后它继续通过 while 再次循环，而它再次遇上的第一条语句是 yield x，该语句将保存所有一切状态，并返回当前 x 的值。

yield 暂停一个函数。next() 从其暂停处恢复其运行。

由于 `make_counter` 设置了一个无限循环，理论上可以永远执行该过程，它将不断递增 x 并输出数值。还是让我们看一个更加实用的生成器用法。 ### 斐波那契生成器 ### 
1
2
3
4
5
def fib(max):
    a, b = 0, 1
    while a < max:
        yield a
        a, b = b, a + b
斐波那契序列是一系列的数字，每个数字都是其前两个数字之和。它从 0 和 1 开始，初始时上升缓慢，但越来越快。启动该序列需要两个变量：从 0 开始的 a，和从 1 开始的 b 。 a 是当前序列中的数字，因此对它进行 `yield` 操作。b 是序列中下一个数字，因此将它赋值给 a，但同时计算下一个值 (a + b) 并将其赋值给 b 以供稍后使用。 因此，现在有了一个连续输出斐波那契数值的函数。当然，还可以使用递归来完成该功能，但这个方式更易于阅读。同样，它也与 `for` 循环合作良好。 
1
2
3
4
5
6
>>> from fibonacci import fib
>>> for n in fib(1000):
...     print(n, end=' ')
0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987
>>> list(fib(1000))
[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987]
可以在 for 循环中直接使用像 fib() 这样的生成器。**for 循环将会自动调用 next() 函数，从 fib() 生成器获取数值并赋值给 for 循环索引变量。** ## 生成器表达式 ## 生成表达式类似生成器函数，只不过它不是函数。 #### 示例 #### 
1
2
3
4
5
6
7
8
9
10
>>> unique_characters = {'E', 'D', 'M', 'O', 'N', 'S', 'R', 'Y'}
>>> gen = (ord(c) for c in unique_characters)  
>>> gen                                        
<generator object <genexpr> at 0x00BADC10>
>>> next(gen)                                  
69
>>> next(gen)
68
>>> tuple(ord(c) for c in unique_characters)   
(69, 68, 77, 79, 78, 83, 82, 89)
#### 说明 #### * 生成器表达式类似一个yield值的匿名函数。表达式本身看起来像列表解析, 但不是用方括号而是用圆括号包围起来。 * 生成器表达式返回迭代器。 * 调用 next(gen) 返回迭代器的下一个值。 * 如果你愿意，你可以将生成器表达式传给`tuple()`, `list()`, 或者 `set()` 迭代所有的值并且返回元组，列表或者集合。在这种情况下，你不需要一对额外的括号 — 将生成器表达式 `ord(c) for c in unique_characters` 传给 `tuple()` 函数就可以了, Python 会推断出它是一个生成器表达式。

使用生成器表达式取代列表解析可以同时节省 cpu 和 内存。如果你构造一个列表的目的仅仅是传递给别的函数，(比如传递给tuple() 或者 set()), 用生成器表达式替代吧!

Comments

▲