生成器表达式 python,python怎么生成

　　下午看了一点生成器，是python的基础。所以我就不放在我的进阶系列里了。刚吃饱饭没事干，就写一下我对发电机的粗浅认识吧。3354无聊前言

　　1.为什么需要一个生成器，原则是先问为什么，再问怎么做？我们先来看看python为什么要加入生成器的功能。

　　Python在数据科学领域非常流行。我认为部分功劳是它的发电机。

　　我们知道我们可以使用列表来存储数据，但是当我们的数据非常大时，建立一个存储数据的列表会占用大量内存。这就是发电机派上用场的时候。可以说是一种不占用太多计算机资源的方法。

　　二。简单的生成器我们可以用列表派生来初始化一个列表(production):

　　list 5=[x for x in range(5)]print(list 5)# output:[0，1，2，3，4]我们使用了类似的方式来生成生成器，只不过这次我们将上面的[]替换为():

　　gen=(x for x in range(5))print(gen)# output:generator object gen expr at0x 000000000 aa 20 f 8看到上面的print(gen)并没有直接输出结果，而是告诉我们它是一个生成器。那么我们如何称呼这个gen呢？

　　有两种方法：

　　第一种类型：

　　对于gen中的项目：print (item) # output: 01234第二个：

　　print(next(gen))# output:0 print(next(gen))# output:1 print(next(gen))# output:2 print(next(gen))# output:3 print(next(gen))# output:4 print(next(gen))# output:trace现在我们可以考虑它背后的原理是什么了。

　　从第一次用for调用方法可以知道生成器是迭代的。更准确的说，他是一个迭代器。

　　我们可以证实这一点：

　　从集合导入迭代，迭代器Print(is instance(Gen，Iterative))# output:true Print(is instance(Gen，Iterator))# output:truestr,list,tuple,dict,set这些都是迭代的，也就是for可以用来访问里面的每一个元素。但它们不是迭代器。

　　那什么是迭代器？

　　可以理解为我们平时做一件事的步骤。

　　例如，我们泡茶：

　　首先，我们要烧开水。

　　然后，拿出茶具和茶叶。

　　然后，当水烧开时，茶就沏好了。

　　最后是品茶。

　　假设我们定义了一个泡茶函数(迭代器)，然后将泡茶步骤的方法封装到这个函数中。每次调用该函数时，都会返回一个步骤，并保存当前的执行状态。如果中间发生了什么，比如到了第二步，突然接了一个电话。当我们调用这个函数时，我们会得到第三步(水开了，我们就开始泡茶)，也就是状态保存了。我们可以执行这个泡茶功能，直到所有的步骤都被调用。

　　定义一个方法，分步执行，可以保存状态。这是一个迭代器。

　　回到上面的第二种访问方法，当我们到达第六次打印(next(gen))时，系统告诉我们Traceback (most recent call last): StopIteration。也就是说，gen的迭代已经到了尾声，不可能再继续迭代了。

　　而生成器本身就是一个迭代器

　　我们在内部封装了算法，并规定在特定条件下将一个结果返回给调用者。(x for x in range(5))是这样实现的，不是实现(0，1，2，3，4)然后一个一个迭代，而是一个一个生成。这也是next(gen)能起作用的原因。

　　3.应用1。如前所述，生成器可以帮助系统在生成大量数据时节省内存。真的是这样吗？通过下面的代码感受一下：decorator的原理会在代码中应用。如果你不懂，那也没关系。有什么作用后面会解释。当然，如果你想知道，可以看看我的另一篇博文：Python Advanced(四):decorator的分析)@

　　import time def get _ time(func):def wrapper(* args，* * kwargs):start _ time=time . time()result=func(* args，* * kwargs)end _ time=time . time()print( Spend:，end_time - start_time)返回结果返回wrapper @ get _ time def _ list(n):L1=[list(range(n))for I in range(n)]del ge @ get _ time def _ generator(n):ge=(tuple(range(n))for I in range(n

　　题外话：其实上面的get_time函数是我自己经常用的一个函数。我是在我的一个工具包(制作轮子)里面写的，也就是说，如果我想看一个函数的执行时间(测试效率)，我只要把get_time decorator放到这个包里面，修饰一下就可以了。所以建议如果找到一个经常使用的功能，可以尝试自己造轮子。我将代码粘贴到这里。

　　import time def _ list(n):L1=[list(range(n))for I in range(n)]del l1def _ generator(n):ge=(tuple(range(n))for I in range(n))del gestart _ time=time . time()_ list(1000)End _ time=time . time()print( Spend:，End _ time-start _ time)start _ time=time . time()_ generator(1000)End _ time=time . time()print( Spend:，End _ time-start _ time

　　花费：0.04300236701965332花费：0.0分析表明0-999都是在一个列表中生成的，所以需要的时间比较多。

　　生成器只是封装了算法，每次调用都调用算法，可以节省内存。

　　2 .产出关键词。好吧，前面那个只告诉我们用()创建一个生成器。如果我们想定义自己的生成器函数呢？退货似乎行不通。没关系，python有关键词yield。它的作用类似于return，即返回一个值给调用者，只不过带yield的函数返回值后，函数会保持调用yield的状态，下次被调用时，会在原来的基础上继续执行代码，直到满足下一个yield或者满足结束条件结束函数。

　　一个简单的例子：

　　test():yield 1 yield 2 yield 3t=test()print(next(t))# output:1 print(next(t))# output:1 print(next(t))# output:1 print(next(t))# output:trace back(最近一次调用last)骚年，存在是合理的，python有生成器也不是不合理。数学中很多算法是无穷的(比如自然数)，我们无法一一列举，生成器可以帮助我们。

　　比如：杨辉三角。

　　这是一个无限列表。我们可以把他的算法封装成一个生成器，只在需要的时候生成，这样就不会占用大量的计算机内存资源。

　　给出了以下代码：

　　def triangle(): _list，new_list=[]，[]while True:length=len(_ list)if length==0:new _ list . append(1)else:for times in range(length 1):if times==new _ list . append(1)Elif times==length:new _ list . append(1)else:temp=_ list[times-1]_ list[times]new _ list . append(temp)yield new _ list #返回值，然后挂起函数，等待下一次调用list=new

　　[1][1，1][1，2，1][1，3，3，1][1，4，6，4，1][1，5，10，10，5，1][1，6，15，20，15，6，1][1，7，21，35，35，21，7，1][1，8，28，56，70，56，28，8，1][1，9，36，84，126，126，84

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。