Python 生成器 - generator

Devops海洋的渔夫

发布于 2019-06-02 13:46:02

3440

发布于 2019-06-02 13:46:02

文章被收录于专栏：Devops专栏Devops专栏

仅供学习参考，转载请注明出处

生成器

利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。
但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。
为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)。生成器是一类特殊的迭代器。

创建生成器方法1

要创建一个生成器，有很多种方法。第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( )

In [36]: L = [x for x in range(5)]

In [37]: L
Out[37]: [0, 1, 2, 3, 4]

In [38]: 

In [38]: L = [x*2 for x in range(5)]

In [39]: L
Out[39]: [0, 2, 4, 6, 8]

In [40]: G = (x*2 for x in range(5))

In [41]: G
Out[41]: <generator object <genexpr> at 0x7fad5268d910>

In [42]: for num in G:
    ...:     print(num)
    ...:     
0
2
4
6
8

In [43]: G = (x*2 for x in range(5))

In [44]: G.next()
Out[44]: 0

In [45]: G.next()
Out[45]: 2

In [46]: G.next()
Out[46]: 4

In [47]: G.next()
Out[47]: 6

In [48]: G.next()
Out[48]: 8

In [49]: G.next()
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-49-e5afb152369c> in <module>()
----> 1 G.next()

StopIteration: 

In [50]: 

In [50]: G = (x*2 for x in range(5))

In [51]: next(G)
Out[51]: 0

In [52]: next(G)
Out[52]: 2

In [53]: next(G)
Out[53]: 4

In [54]: next(G)
Out[54]: 6

In [55]: next(G)
Out[55]: 8

In [56]: next(G)
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-56-b4d1fcb0baf1> in <module>()
----> 1 next(G)

StopIteration: 

In [57]:

创建 L 和 G 的区别仅在于最外层的[ ]和 ( ) ， L 是一个列表，而 G 是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用。

创建生成器方法2

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用函数来实现。

可以用斐波那契数列来举例：

#coding=utf-8

class FibIterator(object):
    """斐波那契数列迭代器"""
    def __init__(self, n):
        """
        :param n: int, 指明生成数列的前n个数
        """
        self.n = n
        # current用来保存当前生成到数列中的第几个数了
        self.current = 0
        # num1用来保存前前一个数，初始值为数列中的第一个数0
        self.num1 = 0
        # num2用来保存前一个数，初始值为数列中的第二个数1
        self.num2 = 1

    def next(self):
        """被next()函数调用来获取下一个数"""
        if self.current < self.n:
            num = self.num1
            self.num1, self.num2 = self.num2, self.num1+self.num2
            self.current += 1
            return num
        else:
            raise StopIteration

    def __iter__(self):
        """迭代器的__iter__返回自身即可"""
        return self


if __name__ == '__main__':
    fib = FibIterator(10)
    for num in fib:
        print(num)

    li = list(FibIterator(15))
    print(li)

    tp = tuple(FibIterator(6))
    print(tp)

注意，在用迭代器实现的方式中，我们要借助几个变量(n、current、num1、num2)来保存迭代的状态。现在我们用生成器来实现一下。

In [68]: def fib(n):
    ...:     current = 0
    ...:     num1,num2 = 0,1
    ...:     while current < n:
    ...:         num = num1
    ...:         num1,num2 = num2,num1+num2
    ...:         current += 1
    ...:         print(num)
    ...:         
    ...:         

In [69]: F = fib(5)
0
1
1
2
3

In [70]: 

In [60]: def fib(n):
    ...:     current = 0
    ...:     num1,num2 = 0,1
    ...:     while current < n:
    ...:         num = num1
    ...:         num1,num2 = num2,num1+num2
    ...:         current += 1
    ...:         yield num
    ...:         

In [61]: 

In [61]: F = fib(5)

In [62]: next(F)
Out[62]: 0

In [63]: next(F)
Out[63]: 1

In [64]: next(F)
Out[64]: 1

In [65]: next(F)
Out[65]: 2

In [66]: next(F)
Out[66]: 3

In [67]: next(F)
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-67-372178f5f53b> in <module>()
----> 1 next(F)

StopIteration: 

In [68]:

在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return或者print换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。

简单来说：只要在def中有yield关键字的就称为 生成器

此时按照调用函数的方式( 案例中为F = fib(5) )使用生成器就不再是执行函数体了，而是会返回一个生成器对象（案例中为F ），然后就可以按照使用迭代器的方式来使用生成器了。

总结

使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）

yield关键字有两点作用：

保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）
Python3中的生成器可以使用return返回最终运行的返回值，而Python2中的生成器不允许使用 return返回一个返回值（即可以使用return从生成器中退出，但return后不能有任何表达式）。

使用send唤醒

我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。

例子：执行到yield时，gen函数作用暂时保存，返回i的值; temp接收下次c.send("python")，send发送过来的值，c.next()等价c.send(None)

使用send()方法示例：

In [75]: def gen():
    ...:     i = 0
    ...:     while i < 5:
    ...:         temp = yield i
    ...:         print(temp)
    ...:         i += 1
    ...:         

In [76]: f = gen()

In [77]: next(f)
Out[77]: 0

In [78]: f.send('haha')
haha
Out[78]: 1

In [79]: f.next()
None
Out[79]: 2

In [80]: f.send('haha')
haha
Out[80]: 3

In [81]: f.next()
None
Out[81]: 4

In [82]:

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2019.01.01 ，如有侵权请联系 cloudcommunity@tencent.com 删除

java