还记得在迭代器里我们说为什么将列表转为迭代器么?
小明:因为列表太大的话占用内存太大,做成迭代器可以节省空间,用的时候再拿出部分
是的,今天要讲的生成器是不会把结果保存在一个系列中,而是保存生成器的状态。
在每次进行迭代时返回一个值,直到遇到StopIteration异常结束。
见过这种东西吧:
你可以认为每一杯饮料就是一个生成的对象,我不会一次倒出所有的饮料
而是要喝的时候去倒出一杯(也就是需要的时候生成一个)
1
简单方法创建生成器
我们看个例子:
我们发现,当要生成的list非常大时,抛出异常,存储报错。
那怎样生成这种巨大的list呢?
你亲手试一下,发现瞬间程序就运行结束了
我们看到,b是一个generator,也就是生成器模式
你应该已经注意到,生成器的创建很简单,将列表生成式的中括号改成小括号即可
注意:这里说的不是列表,因为列表的中括号改成小括号是元组!
那我们怎么生成一个内容呢?
和之前的迭代器相同,使用next()函数即可:
直到最后会抛出异常,也就是到达了生成器的末端了
2
函数进化为生成器
还记得函数的定义么?
我们在之前用递归定义了一个斐波那契数列
现在我们定义一个新的函数来生成斐波那契数列的第n项
为了实现后一项等于前两项之和使用了a,b = b,a+b
为什么这样写,留给大家思考~
提示:可以输入n=3,自己感受一下调用函数过程中a和b的变化
值得注意的是,这个函数,当n=0时返回的是1,而不是正确的0
所以我们对其进行修改:
在循环之前,加了一个判断
小明:老湿!你这个说的还是函数啊,和生成器有啥关系?说好的函数进化成生成器呢?
好的,我们看看函数怎么进化为生成器!
我们把函数中的return换成yield
函数就进化成了生成器,当我们调用时,发现返回的是生成器对象
为了拿到数据,我们应该怎么做呢?
小红:老师,是不是可以试试next()函数呢?
对,不过在此之前,我们先要用一个变量去接收这个生成器对象
并且为了观察生成器的特点,我们对函数进行修改!
仔细看好:
当我们使用next(a)对生成器操作一次时,会返回循环一次的值
也就是在yield处结束本次运行
但它的特点就是下次使用next(a)时,接着上次的断点继续运行,直到下一个yield
不断使用next(a),直到运行到生成器结尾处,如下图:
可能你对他的运行过程还不是特别清晰
我们加上print输出来彻底搞懂他的运行过程:
发现每次返回值都是在yield的地方了吧~
小结:
3
使用for循环调用生成器
我们使用next()去遍历生成器的时候,我们不知道什么时候会结束
而结束后再使用next()会抛出异常
因为生成器属于迭代器
所以我们可以使用for循环去调用生成器
4
与next()等价的方式
5
send()强势入场
我们先看一个例子:
发现每次运行,除了返回下一个,还会打印出None
观察代码,注意 item = yield i 这句
首先执行等号右边的,yield返回,此时,返回生成器一个对象,并且中断
在下次使用 f.__next__( )时候,并没有传内容进去,所以可以认为yield i 这整个赋值给item的为None
所以item打印出为None
为了做个比较,引入send()
send()可以看做next()的增强版
除了可以使用next()功能
还能传入一个值到上次yield断开地方的整体表达式(这里传给是yield i)
send()的坑:
这是为什么呢?
6
send()退化为next()
小红:老师,我想了两天终于想到了!
哦?你说说
小红:因为 f.send()取生成器第一个对象,并且传入了一个参数‘Python’
但是,并没有变量去接收这个参数!所以报错了!
是的,之前我们的代码是这样的:
注意,我们调用第一个对象使用next,并没有传入参数!
而第二次使用send调用下一个对象时候,传入的参数相当于代替了yield i
也就是赋值给了item,所以没报错
小明:老湿,你说send是加强版的next,我想给send退化到next,可以么?
这个嘛,是可以的!小明你试试!
小明:大家都退后!我要装逼了!
小明:不传参数竟然不行!!!
传入None才对!
小明:我不服!老湿,你说这生成器很厉害,具体有啥应用呢?学了没用岂不是很鸡肋?
这个嘛!其实是有用的,我先剧透一下!
7
多任务——协程
我们先介绍一下多任务
多任务处理是指用户可以在同一时间内运行多个应用程序,每个应用程序被称作一个任务
简单点说,就是
你现在可能边看这篇文章边听着音乐
而看文章是一个任务(这里的任务指正在做的事情)
听音乐也是一个任务
你同时在做这两件事
就是多任务啦
电脑和人还是不一样的
我们今天讲一下协程来完成多任务(之后还会讲到线程、进程来完成多任务)
考虑一个工厂流水线
A机器每次将一件货物放入箱子
B机器每次将A机器的箱子封箱打包
为了不产生问题,必须A完成一个,B接着完成一个
并且看起来两个任务是同时执行的!
在Python中可以用生成器实现简单的协程:
我们来看这个程序,先定义了两个生成器(不是函数哦~原因在之前课程讲过)
当我们在while主程序中,先使用f1.__next__( )调用生成器func1,因为fun1的循环条件始终为真
所以先打印(执行装入操作)然后遇到 yield 退出生成器func1,回到主程序
接着执行f2.__next__( )调用生成器func2,像之前调用func1一样,先打印(执行打包操作)
然后遇到yield退出生成器func2,回到主程序
因为主程序循环条件始终为真,所以继续像之前一样,接着使用f1.__next__( )调用生成器func1。。。
如此往复。。。
我是使用打断来停止程序执行的,不然会不断执行下去
由于两个生成器(任务)交替执行,很快
就像在多任务执行
所以,通俗理解看上去同时执行的就是多任务~
小明:竟然有这种操作!
文章来源:Python爱好者社区
文章编辑:小柳
往期文章:
技术 | Python从零开始系列连载(十八)
技术 | Python从零开始系列连载(十七)
技术 | Python从零开始系列连载(十六)
技术 | Python从零开始系列连载(十五)
技术 | Python从零开始系列连载(十四)
技术 | Python从零开始系列连载(十三)