yield在python中什么意思,python yield from 用法

  yield在python中什么意思,python yield from 用法

  本文主要详细介绍Pythonyield的使用。本文中的示例代码非常详细,具有一定的参考价值。感兴趣的朋友可以参考一下,希望能帮到你。

  00-1010如何生成斐波那契数列1。只需输出斐波那契数列2的前n个数的列表。输出斐波那契数列3的前n个数的第二版列表。通过iterable objects 4迭代列表。第三版清单5。使用yield 6的第四版列表。执行流列表7。使用isgeneratorfunc。审判清单8。类定义和类实例清单9。yield的另一个例子总结你可能听说过,带有yield的函数在Python中被称为生成器。什么是发电机?

  让我们抛开生成器,用一个常见的编程话题来展示yield的概念。

  

目录

  斐波那契数列是一个非常简单的递归数列。除了第一个和第二个数字,任何数字都可以通过将前两个数字相加得到。用计算机程序输出斐波那契数列的前N个数是一个非常简单的问题。许多初学者可以很容易地编写以下函数:

  

如何生成斐波那契數列

  实例

  #!/usr/bin/python

  # -*-编码: UTF-8 -*-

  def fab(最大):

  n,a,b=0,0,1

  而n max:

  打印b

  a,b=b,a b

  n=n 1

  晶圆厂(5)

  执行以上代码,我们可以得到如下输出:

  1

  一个

  2

  三

  五

  结果没有问题,但是有经验的开发者会指出,在fab函数中直接用print打印数字会导致这个函数的复用性很差,因为fab函数返回None,其他函数无法获得这个函数生成的数列。

  为了提高fab函数的可重用性,最好返回一个列表,而不是直接打印出系列。下面是重写后的第二个版本的fab函数:

  

清单 1. 简单输出斐波那契數列前 N 个数

  实例

  #!/usr/bin/python

  # -*-编码: UTF-8 -*-

  def fab(最大):

  n,a,b=0,0,1

  L=[]

  而n max:

  l .追加(b)

  a,b=b,a b

  n=n 1

  返回L

  对于fab(5):中的n

  印刷

  您可以打印出fab函数返回的列表,如下所示:

  一个

  一个

  2

  三

  五

  重写后的fab函数通过返回链表可以满足复用性的要求,但是更有经验的开发者会指出,这个函数占用的内存会随着参数max的增大而增大。如果想控制内存占用,最好不要用链表。

  保存中间结果,但是遍历iterable对象。例如,在Python2.x中,代码:

  

清单 2. 输出斐波那契數列前 N 个数第二版

  对于在(1000):范围内的I通过

  将会生成一个包含1000个元素的列表,代码:

  对于xrange(1000): p中的I

  ass

  则不会生成一个 1000 个元素的 List,而是在每次迭代中返回下一个数值,内存空间占用很小。因为 xrange 不返回 List,而是返回一个 iterable 对象。

  利用 iterable 我们可以把 fab 函数改写为一个支持 iterable 的 class,以下是第三个版本的 Fab:

  

  

清单 4. 第三个版本

  实例

  

#!/usr/bin/python

  # -*- coding: UTF-8 -*-

  class Fab(object):

   def __init__(self, max):

   self.max = max

   self.n, self.a, self.b = 0, 0, 1

   def __iter__(self):

   return self

   def next(self):

   if self.n < self.max:

   r = self.b

   self.a, self.b = self.b, self.a + self.b

   self.n = self.n + 1

   return r

   raise StopIteration()

  for n in Fab(5):

   print n

  Fab 类通过 next() 不断返回数列的下一个数,内存占用始终为常数:

  

1
1
2
3
5

  

  然而,使用 class 改写的这个版本,代码远远没有第一版的 fab 函数来得简洁。如果我们想要保持第一版 fab 函数的简洁性,同时又要获得 iterable 的效果,yield 就派上用场了:

  

  

清单 5. 使用 yield 的第四版

  实例

  

#!/usr/bin/python

  # -*- coding: UTF-8 -*-

  def fab(max):

   n, a, b = 0, 0, 1

   while n < max:

   yield b # 使用 yield

   # print b

   a, b = b, a + b

   n = n + 1

  for n in fab(5):

   print n

  第四个版本的 fab 和第一版相比,仅仅把 print b 改为了 yield b,就在保持简洁性的同时获得了 iterable 的效果。

  调用第四版的 fab 和第二版的 fab 完全一致:

  

1
1
2
3
5

  

  简单地讲,yield 的作用就是把一个函数变成一个 generator,带有 yield 的函数不再是一个普通函数,Python 解释器会将其视为一个 generator,调用 fab(5) 不会执行 fab 函数,而是返回一个 iterable 对象!在 for 循环执行时,每次循环都会执行 fab 函数内部的代码,执行到 yield b 时,fab 函数就返回一个迭代值,下次迭代时,代码从 yield b 的下一条语句继续执行,而函数的本地变量看起来和上次中断执行前是完全一样的,于是函数继续执行,直到再次遇到 yield。

  也可以手动调用 fab(5) 的 next() 方法(因为 fab(5) 是一个 generator 对象,该对象具有 next() 方法),这样我们就可以更清楚地看到 fab 的执行流程:

  

  

清单 6. 执行流程

  

>>>f = fab(5) 

  >>> f.next()

  1

  >>> f.next()

  1

  >>> f.next()

  2

  >>> f.next()

  3

  >>> f.next()

  5

  >>> f.next()

  Traceback (most recent call last):

   File "<stdin>", line 1, in <module>

  StopIteration

  当函数执行结束时,generator 自动抛出 StopIteration 异常,表示迭代完成。在 for 循环里,无需处理 StopIteration 异常,循环会正常结束。

  我们可以得出以下结论:

  一个带有 yield 的函数就是一个 generator,它和普通函数不同,生成一个 generator 看起来像函数调用,但不会执行任何函数代码,直到对其调用 next()(在 for 循环中会自动调用 next())才开始执行。虽然执行流程仍按函数的流程执行,但每执行到一个 yield 语句就会中断,并返回一个迭代值,下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次,每次中断都会通过 yield 返回当前的迭代值。

  yield 的好处是显而易见的,把一个函数改写为一个 generator 就获得了迭代能力,比起用类的实例保存状态来计算下一个 next() 的值,不仅代码简洁,而且执行流程异常清晰。

  如何判断一个函数是否是一个特殊的 generator 函数?可以利用 isgeneratorfunction 判断:

  

  

清单 7. 使用 isgeneratorfunction 判断

  

  >>>from inspect import isgeneratorfunction

  >>> isgeneratorfunction(fab)

  True

  要注意区分 fab 和 fab(5),fab 是一个 generator function,而 fab(5) 是调用 fab 返回的一个 generator,好比类的定义和类的实例的区别:

  

  

清单 8. 类的定义和类的实例

  

>>>import types 

  >>> isinstance(fab, types.GeneratorType)

  False

  >>> isinstance(fab(5), types.GeneratorType)

  True

  fab 是无法迭代的,而 fab(5) 是可迭代的:

  

>>>from collections import Iterable 

  >>> isinstance(fab, Iterable)

  False

  >>> isinstance(fab(5), Iterable)

  True

  每次调用 fab 函数都会生成一个新的 generator 实例,各实例互不影响:

  

>>>f1 = fab(3) 

  >>> f2 = fab(5)

  >>> print f1:, f1.next()

  f1: 1

  >>> print f2:, f2.next()

  f2: 1

  >>> print f1:, f1.next()

  f1: 1

  >>> print f2:, f2.next()

  f2: 1

  >>> print f1:, f1.next()

  f1: 2

  >>> print f2:, f2.next()

  f2: 2

  >>> print f2:, f2.next()

  f2: 3

  >>> print f2:, f2.next()

  f2: 5

  在一个 generator function 中,如果没有 return,则默认执行至函数完毕,如果在执行过程中 return,则直接抛出 StopIteration 终止迭代。

  另一个例子

  另一个 yield 的例子来源于文件读取。如果直接对文件对象调用 read() 方法,会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield,我们不再需要编写读文件的迭代类,就可以轻松实现文件读取:

  

  

清单 9. 另一个 yield 的例子

  实例

  

def read_file(fpath): 

   BLOCK_SIZE = 1024

   with open(fpath, rb) as f:

   while True:

   block = f.read(BLOCK_SIZE)

   if block:

   yield block

   else:

   return

  

  

总结

  本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注盛行IT软件开发工作室的更多内容!

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: