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。