Python ⽣成器(Generators)

" 本文字数：1144 字 ||

阅读时间：4分钟 "

⽣成器也是⼀种迭代器，但是你只能对其迭代⼀次。

这是因为它们并没有把所有的值存在 内存中，⽽是在运⾏时⽣成值。

你通过遍历来使⽤它们，要么⽤⼀个“for”循环，

要么将它 们传递给任意可以进⾏迭代的函数和结构。

⼤多数时候⽣成器是以函数来实现的。

然⽽， 它们并不返回⼀个值，⽽是yield(“⽣出”)⼀个值。

这⾥有个⽣成器函数的简单 例⼦：

def generator_function():
for i in range(10):
yield i
for item in generator_function():
print(item)
# Output: 0
# 1
# 2
# 3
# 4
# 5
# 6
# 7
# 8
# 9

温馨提示：

“ 这个案例并不是⾮常实⽤。

⽣成器最佳应⽤场景是：你不想同⼀时间将所有计算出来的⼤ 量结果集分配到内存当中，特别是结果集⾥还包含循环。

这样做会消耗⼤量资源

许多Python 2⾥的标准库函数都会返回列表，⽽Python 3都修改成了返回⽣成器，因为⽣成 器占⽤更少的资源。”

下⾯是⼀个计算斐波那契数列的⽣成器：

def fibon(n):
a = b = 1
for i in range(n):
yield a
a, b = b, a + b
Now we can use it like this:
for x in fibon(1000000):
print(x)

⽤这种⽅式，我们可以不⽤担⼼它会使⽤⼤量资源。

然⽽，之前如果我们这样来实现的 话：

def fibon(n):
a = b = 1
result = []
for i in range(n):
result.append(a)
a, b = b, a + b
return result

这也许会在计算很⼤的输⼊参数时，⽤尽所有的资源。

我们已经讨论过⽣成器使⽤⼀次迭 代，但我们并没有测试过。

在测试前你需要再知道⼀个Python内置函数：next()：

它允 许我们获取⼀个序列的下⼀个元素。

那我们来验证下我们的理解：

def generator_function():
for i in range(3):
yield i
gen = generator_function()
print(next(gen))
# Output: 0
print(next(gen))
# Output: 1
print(next(gen))
# Output: 2
print(next(gen))
# Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# StopIteration

我们可以看到，在yield掉所有的值后，next()触发了⼀个StopIteration的异常。

基本上这个异常告诉我们，所有的值都已经被yield完了。

你也许会奇怪，为什么我们在 使⽤for循环时没有这个异常呢？

啊哈，答案很简单。

for循环会⾃动捕捉到这个异常并 停⽌调⽤next()。

你知不知道Python中⼀些内置数据类型也⽀持迭代哦？

我们这就去看 看：

my_string = "Yasoob"
next(my_string)
# Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# TypeError: str object is not an iterator

好吧，这不是我们预期的。

这个异常说那个str对象不是⼀个迭代器。

对，就是这样！它 是⼀个可迭代对象，⽽不是⼀个迭代器。

这意味着它⽀持迭代，但我们不能直接对其进⾏ 迭代操作。

那我们怎样才能对它实施迭代呢？

是时候学习下另⼀个内置函数，iter。它 将根据⼀个可迭代对象返回⼀个迭代器对象。

来个小例子：

my_string = "Yasoob"
my_iter = iter(my_string)
next(my_iter)
# Output: 'Y'

现在好多啦。我肯定你已经爱上了学习⽣成器。

⼀定要记住，想要完全掌握这个概念，你 只有使⽤它。

确保你按照这个模式，并在⽣成器对你有意义的任何时候都使⽤它。

你绝对 不会失望的！End