python中生成器的作用,python生成式与生成器_1

  python中生成器的作用,python生成式与生成器

  通过列表生成,我们可以直接创建一个列表。但是,由于内存限制,列表容量肯定是有限的。此外,创建一个包含一百万个元素的列。

  表,不仅占用了大量的存储空间,如果我们只需要访问前几个元素,后面的元素所占用的空间大部分都会被浪费掉。

  那么,如果列表元素可以按照某种算法计算出来,我们是否可以在循环的过程中连续计算出后续的元素呢?这样就不需要创建一个完整的列表,从而节省了大量的空间。在Python中,这种循环计算的机制被称为生成器。

  有许多方法可以创建一个生成器。第一种方法非常简单。只需将列表生成器的[]更改为()即可创建一个生成器:

  L=[x*xforxinrange(10)]L

  [0,1,4,9,16,25,36,49,64,81]

  g=(x*xforxinrange(10))g

  generatorobjectgenexprat0x 104 feab 40 L和G的区别只是最外面的[]和(),L是列表,G是生成器。

  我们可以直接打印出列表的每一个元素,但是如何打印出生成器的每一个元素呢?

  如果你想把它们一个一个打印出来,你可以使用next()方法生成:

  g.next()

  0

  g.next()

  一个

  g.next()

  四

  g.next()

  九

  g.next()

  16

  g.next()

  25

  g.next()

  36

  g.next()

  四十九个

  g.next()

  64

  g.next()

  81

  g.next()

  回溯(mostrecentcalllast):

  文件 stdin ,第1行,在模块中

  我们之前说过,生成器保存算法。每次调用next()时,它都会计算下一个元素的值。直到计算完最后一个元素,当没有更多元素时,它抛出StopIteration错误。

  当然,上面这种不断调用next()方法的方法确实很变态。正确的方法是使用for循环,因为生成器也是一个iterable对象:

  g=(x*xforxinrange(10))

  forning:

  .普林司顿号

  .

  0

  一个

  四

  九

  16

  25

  36

  四十九个

  64

  81所以,我们创建生成器后,基本上从不调用next()方法,而是通过for循环迭代。

  发电机非常强大。如果计算算法复杂,无法实现类似列表生成的for循环,也可以通过函数实现。

  比如著名的斐波那契数列,除了第一个和第二个数字,任何数字都可以通过前两个数字相加得到:

  1, 1, 2, 3, 5, 8, 13, 21, 34,

  斐波纳契数列不能通过列表生成来编写,但通过函数打印出来很容易:

  deffib(最大值):

  nbsp;n,a,b=0,0,1

  whilen<max:printb

  a,b=b,a+b

  n=n+1上面的函数可以输出斐波那契数列的前N个数:

  

>>>fib(6)

  1

  1

  2

  3

  5

  8

仔细观察,可以看出,fib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,上面的函数和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:

  

deffib(max):

  n,a,b=0,0,1

  whilen<max:

  yieldb

  a,b=b,a+b

  n=n+1

这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字,那么这个函数就不再是一个普通函数,而是一个generator:

  

>>>fib(6)

  <generatorobjectfibat0x104feaaa0>

这里,最难理解的就是generator和函数的执行流程不一样。函数是顺序执行,遇到return语句或者最后一行函数语句就返回。而变成generator的函数,在每次调用next()的时候执行,遇到yield语句返回,再次执行时从上次返回的yield语句处继续执行。

  举个简单的例子,定义一个generator,依次返回数字1,3,5:

  

>>>defodd():

  ...print'step1'

  ...yield1

  ...print'step2'

  ...yield3

  ...print'step3'

  ...yield5

  ...

  >>>o=odd()

  >>>o.next()

  step1

  1

  >>>o.next()

  step2

  3

  >>>o.next()

  step3

  5

  >>>o.next()

  Traceback(mostrecentcalllast):

  File"<stdin>",line1,in<module>

  StopIteration

可以看到,odd不是普通函数,而是generator,在执行过程中,遇到yield就中断,下次又继续执行。执行3次yield后,已经没有yield可以执行了,所以,第4次调用next()就报错。

  回到fib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()来调用它,而是直接使用for循环来迭代:

  

>>>forninfib(6):

  ...printn

  ...

  1

  1

  2

  3

  5

  8

小结

  generator是非常强大的工具,在Python中,可以简单地把列表生成式改成generator,也可以通过函数实现复杂逻辑的generator。

  要理解generator的工作原理,它是在for循环的过程中不断计算出下一个元素,并在适当的条件结束for循环。对于函数改成的generator来说,遇到return语句或者执行到函数体最后一行语句,就是结束generator的指令,for循环随之结束。

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: