python 文章自动生成,Python中的生成器

　　生成器指的是生成器对象，可以通过生成器表达式获得，也可以使用yield关键字获得一个生成器函数，调用这个函数获得一个生成器对象。下面这篇文章主要介绍Python中生成器的相关信息，供大家参考。

　　00-1010前言生成器也是迭代器生成器演绎无限生成器生成器实用用法1。读取文件行2。阅读文件内容高级发生器使用摘要

前言

　　生成器也是一个迭代器，支持使用for循环。当使用for语句开始迭代一组项目时，运行生成器。一旦生成器的函数代码到达yield语句，生成器就会将其执行返回到for循环，从集合中返回一个新值。生成器可以根据需要生成任意数量的值(可能是无限的)，并依次生成每个值。

　　f_2=foo()

　　为我在f_2:打印(一)

　　开始

　　在产量0之前

　　收益率0后

　　目标

　　产量1之前

　　任何人

　　产量1后

　　目标

　　产量2之前

　　注射毒品

　　产量2后

　　目标

　　当一个函数包含yield时，Python会自动实现一个迭代器来为我们应用所有需要的方法，比如_ _ iterator _ _()和__next__()，所以生成器也可以有和迭代器一样的功能，如下图：

　　def yrange():

　　i=1

　　而True:

　　产量I

　　i=i 1

　　定义正方形():

　　因为我在yrange():

　　产量i * i

　　定义take(n，seq):

　　seq=iter(序列)

　　结果=[]

　　尝试：

　　为

　　i in range(n):

　　 result.append(next(seq))

　　 except StopIteration:

　　 pass

　　 return result

　　print(take(5, squares()))

　　# [1, 4, 9, 16, 25]

　　接下来看一下如何使用生成器计算斐波那契数列：

def fib(n):
　　 if n <= 1:
　　 return 1
　　 a, b = 0, 1
　　 for _ in range(n):
　　 a, b = b, a + b
　　 yield a
　　for i in fib(10):
　　 print(i, end= )
　　# Result：1 1 2 3 5 8 13 21 34 55

生成器推导式

　　生成器表达式是列表推导式的生成器版本。它们看起来像列表推导式，但返回的是一个生成器，而不是一个列表。生成器推导式的本质：

使用 yield 会产生一个生成器对象
用 return 将返回当前的第一个值。

generator_expressions = (x for x in range(10))
　　generator_expressions
　　<generator object <genexpr> at 0x0000023F8BC51AF0>
　　sum(generator_expressions)
　　45

无限生成器

　　生成器的另一个常见场景是无限序列生成。在 Python 中，当您使用有限序列时，您可以简单地调用 range() 并在列表中对其进行计数，例如：

a = range(5)
　　print(list(a))
　　[0, 1, 2, 3, 4]

　　也可以这样做，使用如下生成器生成无限序列：

def infinite_sequence():
　　 num = 0
　　 while True:
　　 yield num
　　 num += 1

　　运行此代码时，可以看到其运行非常快，可以通过 CTRL+C 来使得程序结束，如下：

生成器实际用法

1. 读取文件行

　　生成器的一个常见用法是处理大型文件或数据流，例如 CSV 文件。假设我们需要计算文本文件中有多少行，我们的代码可能如下所示：

def csv_reader(file_name):
　　 file = open(file_name)
　　 result = file.read().split("\n")
　　 return result
　　csv_gen = csv_reader("some_file.csv")
　　row_count = 0
　　for row in csv_gen:
　　 row_count += 1
　　print(f"Row count is {row_count}")

　　我们的 csv_reader 函数将简单地将文件打开到内存中并读取所有行，然后它将行拆分并与文件数据形成一个数组。如果文件包含几千行，可能就会导致速度变慢，设置是内存被占满。

　　这里就可以通过生成器重构的 csv_reader 函数。

def csv_reader(file_name):
　　 for row in open(file_name, "r"):
　　 yield row

2.读取文件内容

def readfiles(filenames):
　　 for f in filenames:
　　 for line in open(f):
　　 yield line
　　def grep(pattern, lines):
　　 return (line for line in lines if pattern in line)
　　def printlines(lines):
　　 for line in lines:
　　 print(line, end="")
　　def main(pattern, filenames):
　　 lines = readfiles(filenames)
　　 lines = grep(pattern, lines)
　　 printlines(lines)

高级生成器用法

　　到目前为止，我们已经介绍了生成器最常见的用途和构造，但还有更多内容需要介绍。随着时间的推移，Python 为生成器添加了一些额外的方法：

send() 函数
throw() 函数
close() 函数

　　接下来，我们来看一下如何使用这三个函数。

　　首先，新建一个生成器将生成素数，其实现如下：

def isPrime(n):
　　 if n < 2 or n % 1 > 0:
　　 return False
　　 elif n == 2 or n == 3:
　　 return True
　　 for x in range(2, int(n**0.5) + 1):
　　 if n % x == 0:
　　 return False
　　 return True
　　def getPrimes():
　　 value = 0
　　 while True:
　　 if isPrime(value):
　　 i = yield value
　　 if i is not None:
　　 value = i
　　 value += 1

　　然后我们调用 send() 函数，这个函数会向生成器 prime_gen 传入一个值，然后从这个值开始计算下一个素数的值：

prime_gen = getPrimes()
　　print(next(prime_gen))
　　print(prime_gen.send(1000))
　　print(next(prime_gen))

　　可以看到如下结果：

　　throw() 允许您使用生成器抛出异常。例如，这对于以某个值结束迭代很有用。比如我们想得到小于 20 的素数就可以使用如下方法：

prime_gen = getPrimes()
　　for x in prime_gen:
　　 if x > 20:
　　 prime_gen.throw(ValueError, "I think it was enough!")
　　 print(x)

　　运行该代码，得到结果如下：

　　在前面的示例中，我们通过引发异常来停止迭代，但这并不是用户想看到的，谁想看到报错呢。因此，结束迭代的更好方法是使用 close():

prime_gen = getPrimes()
　　for x in prime_gen:
　　 if x > 20:
　　 prime_gen.close()
　　 print(x)

　　运行结果如下图：

　　可以看到，生成器在运行到停止了，没有引发任何异常。

总结

　　生成器简化了迭代器的创建。生成器是产生一系列结果而不是单个值的函数。

　　生成器可以用于优化 Python 应用程序的性能，尤其是在使用大型数据集或文件时的场景中。

　　生成器还通过避免复杂的迭代器实现或通过其他方式处理数据来提供清晰的代码。

　　参考链接:

　　How to Use Generator and yield in Python

　　https://realpython.com/introduction-to-python-generators/

　　https://anandology.com/python-practice-book/iterators.html

　　到此这篇关于Python中生成器的文章就介绍到这了,更多相关Python的生成器内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！

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。