Python生成式,python生成器详解

　　Python generator和Python decorator几乎不相上下，在python世界中占据重要地位。如果说python decorator是为了让程序员悄悄扩展函数功能，那么python generator就是为了让你的代码更节省资源，更高效！讲真，python generator比python decorator更抽象更灵活，功能更强大，所以我只能大致说“python generator就像一把瑞士军刀，让你的代码更短(简洁)，更简洁(强大)”。

　　让我们首先来看一段运行在python2环境中的代码：

　　#注意在python3.x中range和xrange已经合并，这段代码必须在py2下运行！对于范围(3)中的I:print(I)print(-)for I in xrange(3):print(I)print(-)lst 1=[X * X for X in range(3)]lst 2=(X * X for X in range(3))for I:print(I)print(-)for I in lst 2:print(I)打印结果如下：

　　012 - 014.看完这段代码，你可能会说：python真麻烦。有range和xrange，[]和()，运行结果是一样的。这不是白费力气吗？

　　现在让我们稍微修改一下代码：

　　a=range(3)B=xrange(3)print(type(a))print(a[0]，a[1])print(-)print(type(B))print(B[0]，B[1])print(-)lst 1=[x * x for x in range(3)]lst 2=(x * x for x in range(3))print(type(lst 1))print(type(type(lst 2))。打印结果如下

　　Type list [0，1，2] (0，1)-type xrange xrange (3) (0，1)-type list type generator 这里需要解释一下：range()也就是说，[]返回一个列表list，()返回一个生成器。

　　*注意：Iterables是用[]派生的。生成器派生自()。*

　　可迭代对象(iterable) 与 迭代器(iterator)

　　Iterable iterable对象是实现__iter__()方法的对象。更确切地说，是容器。__iter__ iterator _ _()方法，该方法返回一个迭代器对象，因此可以从iterable对象中获取迭代器迭代器。在python中，迭代一般由for … in …来完成，只要是可迭代的对象，都可以迭代。

　　例如，在下面的遍历中

　　对于某物的价值，某物是一个可重复的对象。例如列表、字符串、文件。

　　对于iterable，我们要注意的是，它是一个可以一次返回一个成员的对象(iterable是一个能够一次返回一个成员的对象)。有些iterables在内存中存储所有的值，比如list，有些则没有，比如iterator，我们下面会讲到。

　　Iterator(迭代器)是实现__next__()方法的对象，不带参数，返回序列中的下一个元素；如果没有元素，将引发StopIteration异常。Python的迭代器也实现了_ _ iterator _ _()方法，所以迭代器也是可迭代的。

　　迭代器。next()是区别iterator和iterable的关键。它允许我们显式地获取一个元素。当调用next()方法时，实际上会生成两个操作：

　　更新迭代器状态，为下一次调用指向后一项；返回当前结果；两者之间的关系如下：

　　Iter(可迭代对象)生成迭代器。

　　S=abc #s是可迭代对象it=ITER(s)#它是I的迭代器：print(i)我们暂时不需要遍历这个迭代器，我们尝试调用next()方法。

　　s= ABC it=ITER(s)next(it) a s= ABC it=ITER(s)next(it) a next(it) b next(it) c next(it)trace back(最近一次调用last):modulestopitation中的File stdin ，第1行，除了最后一行抛出异常外，其他结果与for loop相同。也就是说，当iterator)X被for循环遍历时，X的next()方法会被循环调用，得到每次的值，直到iterator为空，返回的StopIteration作为循环结束的标志。For … in …将自动处理StopIteration异常，从而避免引发异常并中断程序。

　　当我们用for … in …对一个iterable对象进行iterate时，实际上是通过调用iterator()方法得到一个迭代器，假设这个迭代器叫做X，然后我们在一个循环中调用X的next()方法每次都得到值，直到迭代器为空，返回的StopIteration作为循环结束的标志。for … in …将自动处理StopIteration异常，从而避免

　　需要注意的是，迭代器是消耗性的，即每个值用完后就消失了。所以，你可以把上面的操作2理解为pop。遍历完迭代器，就变成了空容器，但不等于无。所以如果想重用迭代器，用list()方法保存其结果是个不错的选择。

　　代码如下：

　　从集合导入迭代，迭代器a=[1，2，3] #众所周知，list是一个可迭代的b=iterator (a) #通过iterator()方法，迭代器，iter获得，iterator()实际使用_ _ iterator _ _()，从此以后，我就不再多说isinstance (a，iterator) true isinstance (a，iterator) false isinstance (b，iterator) true #。可见itertor一定是可迭代的。但是iterable不一定是itertor # iterator是消耗性的。少用一次用一次。变量迭代器和迭代器将为空！C=list(b) c[1，2，3] d=list(b) d[]#空迭代器不等于无。如果b:打印(1).1如果b==无：打印(1).#再来感受下一个()e=迭代器。

　　只要Python函数的定义中有yield关键字，该函数就是生成器函数。当调用生成器函数时，将返回一个生成器对象。即生成器功能是一个生成器工厂。

　　函数返回一个值，而生成器函数生成一个值。不仅如此，函数返回值后退出，而且生成器可以产生多个值，生成器函数中可以出现多个yield。

　　生成器概念

　　如何生成发电机？有两种方法：

　　1.生成器函数：带有yield关键字的函数是生成器函数，其返回值是生成器。

　　2.生成器表达式：形式为(elem for elem in [1，2，3])的表达式称为生成器表达式，也可以生成生成器。

　　生成器表达式生成生成器：

　　Gen=(I for I in [2，3，4，5，6]) Gen生成器对象Gen EXPRAT0x 0000178d 648 D1 A8 for I in Gen:打印(一).23456我们调用next()方法，这也是可能的：

　　gen=( i for i in [2，3，4，5，6])next(gen)2 next(gen)3 next(gen)4 next(gen)5 next(gen)6 next(gen)trace back(最近一次调用last):文件 stdin ，第1行，在moduleStopIteration中。这和上面迭代器的使用是一样的！

　　实际上，生成器是一种迭代器，以更优雅的方式实现，可以像迭代器一样使用。当然，除了定义迭代器，还需要分别实现_ _ iterator _ _()方法和_ _ next_ _()方法，但生成器只需要yield关键字。

　　生成函数发生器

　　def gen123():产量1.产量2.产量3.gen123函数gen 123 at0x 00000178d 6614d 08 gen 123()生成器对象gen 123 at0x 00000178d 648 D1 A8 for I in gen 123():打印(一).123这里你也可以猜到，我们在调用next()方法的时候会抛出一个异常，效果是一样的：

　　def gen123():产量1.产量2.产量3.gen=gen 123()next(gen)1 next(gen)2 next(gen)3 next(gen)trace back(最近一次调用last) : file stdin ，line1，in modulation实际上，for循环每次隐藏时都会调用next()方法，并前进到函数中的下一个yield语句。

　　如何“生成”生成器

　　生成器的另一项黑科技是，生成器中的yield语句将挂起生成器函数的状态，并保留足够的信息，以便它可以从停止的地方继续执行。

　　让我们看看代码：

　　Genab (): #.打印(“开始”).产出 a #.打印(“继续”).产量 b #.打印(结束)#.对于genab()中的I:#.打印(-

　　Start - Acontinue - Bend定义生成器函数的方式与普通函数相同，只是使用了yield关键字。

　　当第一次在for循环(序列号)中隐式调用next()函数时，它将打印

　　开始，然后在第一个yield语句处停止，以生成值 a 。

　　当在for循环中第二次隐式调用next()函数时，它将打印

　　“继续”，然后在第二个yield语句处停止，以生成值“b”。

　　第三次调用next()函数时， end。然后到达函数定义体。

　　在结束时，生成器对象引发StopIteration异常。

　　迭代时，for机制的作用与g=iter(gen_AB())相同，用于get

　　生成器，然后每次迭代都调用next(g)。

　　循环打印以及next(g)返回的值。然而

　　在print函数输出结果之前，您不会看到这个输出。

　　“Start”是生成器函数定义体中打印(“start”)输出的结果。

　　生成器定义体中的yield A a 语句将生成值A，该值将提供给for-follow。

　　Ring，而A会赋给变量I，最终输出是A。

　　第二次调用next(g)，继续迭代。生成器函数定义体中的代码包括

　　收益率“a”上升到收益率“b”。文本continue由生成器函数定义。

　　中第二个打印函数的输出。

　　yield B b 语句生成值B，提供给for循环，B赋给变量。

　　c，所以循环打印出B。

　　第三次调用next(it)，继续迭代，前进到生成器函数的末尾。文本

　　结束。由生成器函数定义体中的第三个打印函数输出。到达生成

　　当函数定义了主体的结尾时，生成器对象抛出一个StopIteration异常。为

　　该机制捕捉异常，因此当循环终止时不会报告错误。

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。