" 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