python 代码生成器,怎样用python自动生成python代码
生成器在python中是一个很实用的工具，但由于其他主流编程语言中没有“生成器”的概念，所以经常被忽略。
那么使用发电机有什么好处呢？我觉得有两个好处：一个是减少内存的使用，一个是简化代码，可以增强代码的可读性。
举个栗子，比如生成斐波那契数列。如果使用生成器而不是列表，代码大致如下：
def fib(n): prev，cur=0，1 RES=[]while n 0:n-=1 RES . append(cur)prev，cur=cur，prev cur return resprint(fib(10))# Out:[1，1，2，3，5，8，3，21，34，55]如上面的代码所示，如果使用list的数据结构，那么需要在内存中保存10个int类型的数据。你可能会说这才40字节，所以无所谓；但如果这个类型参数n的输入值是1000000000(十亿)的话，就要占用4GB左右的内存，不容易被计算机吃掉。
所以，对于数据量巨大的数据，使用链表显然是要消耗大量内存的。发电机在这里很有用。我不需要一下子拿到那么多数据，用的时候拿出来就行了。
如果用生成器来实现斐波那契数列，代码可以改写为：
def fib(n): prev，cur=0，1 while n 0: n -=1 yield cur prev，cur=cur，prev cur g=fib(10)print([I for I in g)])# Out:[1，1，2，3，5，8，13，21，34，55]上面的代码是用生成器函数得到一个生成器(有两种方法可以构建生成器，下面会介绍)。从上面的代码可以看出，生成器函数中有一个关键字yield，这是这个函数是生成器函数的标志。yield可以返回值(类似return)；另外，每次执行到yield，相当于对这个函数的状态进行挂起，也就是暂时停止执行(不是完全结束)，需要一个事件来唤醒这个函数。
而唤醒这个功能的事件是迭代器协议中的next()。我们知道，生成器满足迭代器协议，即可以调用内置的next()函数来获取下一个元素的值。在python中，对迭代器进行for循环相当于连续调用其next()函数，直到迭代器的下一项为空，此时将抛出StopIteration。
所以每次执行for循环，就相当于在满足迭代器的对象G上做next()。此时，让行后已经暂停的函数将被唤醒，生成器函数将继续向下执行。这样我们可以看到生成器可以大大节省内存空间，因为生成器是一个根据需要生成数据的对象，每次调用next()只返回当前需要的值，而不是保存整个序列的信息；同时，上面的生成器代码显然更加简洁。
以下代码可能更有助于理解next()和hang:
def array(n):for I in range(10):print( before return ，i) yield i print(after return ，I)g=array(10)print(g)#g表示生成器对象的地址# out:generator object array at0x 115 a 4 e 10 brint(next(g)) before return 00 print(next(g)) before return 0 before 11 print(next(g)) return 1之后return 22之前 从上面的代码可以看出，当第一个当第二次执行next()函数时，生成器函数被唤醒，从上一次停止继续执行。
创建生成器的两种方法中的第一种是使用生成器函数(关键字yield)，上面已经介绍过了，这里不再赘述。
第二种是生成器表达式，比如求2的n次方的序列。代码可以写成：
G1=(pow (2，x)for x in range(10))print([I for I in G1])# out:[1，2，4，8，16，32，64，128，256，512]类似于生成列表的方式，只是方括号改成了圆括号。
注意python中的生成器只能被遍历一次。请看下面的代码：
G1=(pow (2，x)for x in range(10))print([I for I in G1])# out:[1，2，4，8，16，32，64，128，256，512] print ([I for I in G1]) # out因为第一次遍历后，结束位置已经被指向，第二次遍历将没有结果。
总结python generator的优点是节省内存，简化代码；
生成器的构造方式有两种：生成器函数(包括yield关键字)和生成器表达式(括号)；
生成器满足迭代器协议，即可以通过next()函数访问下一个值。如果使用yield关键字，则在返回值时暂停生成器函数，直到next next()唤醒函数，然后继续从刚才停止的地方向下执行。
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。